Python 模式匹配

Question

我目前正在将我的旧 bash 脚本转换为具有附加功能的 Python 脚本。我已经能够做大部分事情，但我在 Python 模式匹配方面遇到了很多麻烦。

在我之前的脚本中，我下载了一个网页并使用 sed 来获取我想要的元素。匹配是这样完成的(对于我想要的值之一):

PM_NUMBER=`cat um.htm | LANG=sv_SE.iso88591 sed -n 's/.*ol.st.*pm.*count..\([0-9]*\).*/\1/p'`

它将匹配包裹在<span class="count"></span> 中的数字在短语“olästa pm”之后。我正在运行的标记是:

<td style="padding-left: 11px;">
    <a href="/abuse_list.php">
        <img src="/gfx/abuse_unread.png" width="15" height="12" alt="" title="9  anmälningar" />
    </a>
</td>
<td align="center">
    <a class="page_login_text" href="/pm.php" title="Du har 3 olästa pm.">
        <span class="count">3</span>
</td>
<td style="padding-left: 11px;" align="center">
    <a class="page_login_text" href="/blogg_latest.php" title="Du har 1 ny bloggkommentar">
        <span class="count">1</span>
</td>
<td style="padding-left: 11px;" align="center">
    <a class="page_login_text" href="/user_guestbook.php" title="Min gästbok">
        <span class="count">1</span>
</td> 
<td style="padding-left: 11px;" align="center">
    <a class="page_login_text" href="/forum.php?view=3" title="Du har 1 ny forumkommentar">
        <span class="count">1</span>
</td> 
<td style="padding-left: 11px;" align="center">
    <a class="page_login_text" href="/user_images.php?user_id=162005&func=display_new_comments" title="Du har 1 ny albumkommentar">
        <span class="count">1</span>
</td> 
<td style="padding-left: 11px;" align="center">
    <a class="page_login_text" href="/forum_favorites.php" title="Du har 2 uppdaterade trådar i &quot;bevakade trådar&quot;">
        <span class="count">2</span>
</td>

我犹豫要不要发布这个，因为看起来我的要求很多，但是有人可以帮我用 Python 解析这个吗？我一直在努力尝试这样做，但正则表达式和我不匹配(请原谅双关语)。在过去的几个小时里，我一直在试验和阅读有关正则表达式的 Python 手册，但我似乎无法弄明白。

为了清楚起见，我需要 7 个不同的表达式来匹配 <span class="count"></span> 中的数字.例如，我需要能够找到未读 PM(“olästa pm”)的数量。

Answer 1

您不会自己解析 html。您将使用 python 中内置的 html 解析器来解析 html。

• Lightweight xml dom parser in python
• Beautiful Soup