Python 的 "re"模块不工作？

Question

我正在使用 Python 的“re”模块，如下所示:

request = get("http://www.allmusic.com/album/warning-mw0000106792")
print re.findall('<hgroup>(.*?)</hgroup>', request)

我所做的只是获取 this site 的 HTML ，并寻找这个特定的代码片段:

<hgroup>
    <h3 class="album-artist">
        <a href="http://www.allmusic.com/artist/green-day-mn0000154544">Green Day</a>        </h3>

    <h2 class="album-title">
        Warning        </h2>
</hgroup>

但是，它继续打印一个空数组。为什么是这样？为什么 re.findall 找不到这个片段？

Answer 1

您正在解析的 HTML 位于多行。您需要像这样将 re.DOTALL 标志传递给 findall:

print re.findall('<hgroup>(.*?)</hgroup>', request, re.DOTALL)

这允许 . 匹配换行符，并返回正确的输出。

@jsalonen 是对的，当然，用正则表达式解析 HTML 是一个棘手的问题。但是，在像这样的小情况下，尤其是对于一次性脚本，我认为这是可以接受的。