python - 如何解析grep生成的文件中的数据？

Question

我使用“grep”从一个巨大的 XML 文件中获取一些数据。文件的一部分如下所示:

    <title>Hlavní strana</title>
    <ns>0</ns>
--
    <title>Nápověda:Jak vytvořit článek</title>
    <ns>12</ns>
--
    <title>Nápověda:Editace stránky podrobně</title>
    <ns>12</ns>
--
    <title>Astronomie</title>
    <ns>0</ns>
--
    <title>Biologie</title>
    <ns>0</ns>

现在我需要提取“title”括号之间“ns”属性为 0 的所有内容。我尝试使用正则表达式，但它不起作用。我真的不知道如何解析这样的文件以获得我想要的内容。非常感谢任何建议!

Answer 1

最好使用 XML parser 在原始 xml 上获取您所需的信息。但要回答您的问题，下面的代码片段可能会有所帮助。

演示

s = """    <title>Hlavní strana</title>
    <ns>0</ns>
--
    <title>Nápověda:Jak vytvořit článek</title>
    <ns>12</ns>
--
    <title>Nápověda:Editace stránky podrobně</title>
    <ns>12</ns>
--
    <title>Astronomie</title>
    <ns>0</ns>
--
    <title>Biologie</title>
    <ns>0</ns>"""


import re
pattern = r"<title>(.*?)</title>\s+<ns>0</ns>"
print re.findall(pattern, s)

输出:

['Hlavn\xc3\xad strana', 'Astronomie', 'Biologie']