使用正则表达式在标记后获取第二个 div

Question

我有一个如下的网站代码：CODE ABOVE<div class="full">   <div>      <div> **<== WANT TO START GRABBING HERE **        <div>CONTENT</div>        <div>CONTENT</div>        <div>CONTENT</div>        <div>CONTENT</div>      </div> **<== STOP GRABBING HERE **   </div></div>CODE BELOW我正在尝试在 Python 中使用正则表达式，以便在 div 关闭<div>后<div class="full">停止后获取第二个的全部内容，如上面的代码所示。我的问题是：可以使用正则表达式在 Python 中执行此操作吗？怎么做？

Answer 1

对于 html 元素选择Beautiful Soup是您所需要的，@QHarr答案应该有效只需检查您使用的编码。

但是，如果您想要正则表达式解决方案，只需使您的字符串变平（没有换行符）而不是搜索元素：

        import re

        html = """<div class="full">

           <div>

              <div> **<== WANT TO START GRABBING HERE **

                <div>CONTENT</div>

                <div>CONTENT</div>

                <div>CONTENT</div>

                <div>CONTENT</div>

              </div> **<== STOP GRABBING HERE **

           </div>

        </div>"""

        sep = 'xxxx****'   # dummy string to replace \n and put them back

        r = '<div class="full">[\s{0}]*<div>(.*)</div>[\s{0}]*</div>'.format(sep)

        # search will return first matching element.

        l = re.search(r, html.replace('\n',sep)).groups(0)[0]

        # findall will return all element matching the pattern if you have more than one use findall

        # l = re.findall(r, html.replace('\n',sep))[0]

        print(l.replace(sep, '\n'))

Answer 2

对于您的特定情况，请尝试以下正则表达式：

(<div>\s+){2}([\s\w</>]*?)(</div>\s+){2}

然后从中提取所需的组。

但是，我建议改用BeautifulSoup，它更简单、更强大。

Answer 3

您可以结合使用类和类型css 选择器以及子组合器来完成此操作

from bs4 import BeautifulSoup as bs

html = '''<div class="full">

   <div>

      <div>

        <div>CONTENT</div>

        <div>CONTENT</div>

        <div>CONTENT</div>

        <div>CONTENT</div>

      </div>

   </div>

</div>'''

soup = bs(html, 'lxml')

print(soup.select_one('.full > div > div'))