这是我的代码:
a='<title>aaa</title><title>aaa2</title><title>aaa3</title>'
import re
re.findall(r'<(title)>(.*)<(/title)>', a)
结果是:
[('title', 'aaa</title><title>aaa2</title><title>aaa3', '/title')]
如果我曾经设计过一个爬虫来获取网站标题,我最终可能会得到类似这样的东西而不是网站标题。
我的问题是,如何限制 findall
到一个<title></title>
?
最佳答案
如果您只想要一个匹配项,请使用 re.search
而不是 re.findall
:
>>> s = '<title>aaa</title><title>aaa2</title><title>aaa3</title>'
>>> import re
>>> re.search('<title>(.*?)</title>', s).group(1)
'aaa'
如果您想要所有标签,那么您应该考虑将其更改为非贪婪的(即 - .*?
):
print re.findall(r'<title>(.*?)</title>', s)
# ['aaa', 'aaa2', 'aaa3']
但真的要考虑使用 BeautifulSoup 或 lxml 或类似的工具来解析 HTML。
关于python - 如何确保 re.findall() 停在正确的位置?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17765805/