作者areyo (没有名字的怪物)
看板RegExp
标题[问题] 求救解析HTML
时间Fri Aug 17 20:40:09 2012
大家晚安
小弟使用的是python 2.6的正规
现在在练习解析一个网页中某段资料如下
<h2>Department</h2>
<ul id="ref_3224438011">
<li style="margin-left: -18px"><a href="
http://www.amazon.com/s?ie=UTF8&page=1&rh=n%3A172282">‹ <span class="expand">Electronics</span></a></li>
<li style="margin-left: -10px"><a href="
http://www.amazon.com/s?ie=UTF8&page=1&rh=n%3A281407">‹ <span class="expand">Accessories & Supplies</span></a></li>
<li style="margin-left: -2px"><a href="
http://www.amazon.com/s?ie=UTF8&page=1&rh=n%3A172532">‹ <span class="expand">Audio & Video Accessories</span></a></li>
<li style="margin-left: 24px"><strong>3D Glasses</strong></li>
</ul>
我想从一个完整的html中抓出这一段
我试着用线上正规检查去试，只有土法链钢出这段REG
<h2>.+\n.+\n.+\n.+\n.+\n.+\n<\/ul>
发现中间都是用.+\n不断重覆，但是却不知道有几层，有人可指点迷津吗?
感恩
--
懒惰与懦弱使愚笨成自然
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 114.40.188.253
1F：推 blackkaku:<h2>(.+\n)+?<\/ul> 08/17 20:58
2F：→ areyo:谢谢，可以简单跟我解释吗? 08/17 21:06
3F：→ blackkaku:(.+\n)就是你说的重复的部分。後面的+代表重复1次以上， 08/17 21:47
4F：→ blackkaku:最後的?代表最短一致（我只知道日文叫做「最短一致」， 08/17 21:48
5F：→ blackkaku:不知道中文叫做什麽。英文好像是not greedy） 08/17 21:49
6F：→ areyo:感嗯 08/17 21:49
7F：推 s25g5d4:中文就叫非贪婪吧... 08/18 12:58