python正则匹配问题

八月飞霜

我想匹配<table>标签之间的代码，但是我这个程序每次都执行单行匹配，如何进行多行匹配 也就是说 将<table>和</table>
写在一行就可以匹配中间的内容 多行就不行

txt文件里面的html代码

1. <table class="protomers" summary="Properties of various protomer conformations of 80466">
   
2.      <tbody>
   
3.         <tr>
   
4.             <th class="type">
   
5.                 <small>Type</small>
   
6.                 <big>pH&nbsp;range</big>
   
7.             </th>
   
8.             <td class="download">
   
9.                 &darr;
   
10.                 <ul>
    
11.                     <li><a href="http://zinc11.docking.org/fget.pl?l=0&z=8987822&f=m" title="Download MOL2 File">
    
12.                         MOL2</a></li>
    
13.                     <li><a href="http://zinc11.docking.org/fget.pl?l=0&z=8987822&f=d" title="Download SDF File">
    
14.                         SDF</a></li>
    
15.                     <li><a href="http://zinc11.docking.org/fget.pl?l=0&z=8987822&f=s" title="Download SMILES File">
    
16.                         SMILES</a></li>
    
17.                     <li><a href="http://zinc11.docking.org/fget.pl?l=0&z=8987822&f=h" title="Download Flexibase File">
    
18.                         Flexibase</a></li>
    
19.                 </ul>   
    
20.             </td>
    
21.         </tr>
    
22.             </tbody>
    
23. </table>

复制代码

python程序

1. #!/usr/bin/python
   
2. import re
   
3. 
   
4. myfile=open('te.txt','r')
   
5. m_file=myfile.read()
   
6. #print m_file
   
7. pattern=re.compile(r'<table .*?>(.*?)</table>')
   
8. 
   
9. if re.search(pattern,m_file):
   
10.         print 'found it'
    
11. else:
    
12.         print 'not fount'
    
13. 
    
14. text=pattern.findall(m_file)
    
15. 
    
16. print text
    

复制代码

麻烦大家看看，在线等！

八月飞霜

感觉没有匹配换行符呢？

jeppeter

回复 1# 八月飞霜


    这个你考虑错了方向，正确不是用re模块，而是用HTMLParser模块，具体的内容，请参看HTMLParser模块
    用恰当的工具解决问题，事半功倍

八月飞霜

回复 3# jeppeter

很有可能。
但是txt文件里面是html代码，应该也能用re模块读取吧？


   

jeppeter

回复 4# 八月飞霜


    不是不行，而是你在自己重复劳动，已经有人帮你把问题解决了，那你就不要DIY（don't  invent yourself）.

八月飞霜

回复 5# jeppeter

主要是练习正则，我看了那个链接，貌似<table>标签之间的其他html代码不能读出来呢，还是我看错了。


   

jeppeter

回复 6# 八月飞霜


    如果真要，你就用re.MULTILINE 在re.compile的时候，这个可以满足你的要求。但我给你一个建议，最好的练习是以实际的一个需求为基础。

八月飞霜

回复 7# jeppeter
好的，我测试用了下HTMLParser 但是table之间的html代码没有读出来 都是标签之间的内容啊 我是想把<table>之间的内容都读出来  不管代码还是其他的。

   

八月飞霜

回复 7# jeppeter
re.MULTILINE 不能够实现啊，<table>之间的内容还是不能匹配出来。疯掉了。


   

jeppeter

回复 1# 八月飞霜

1. myfile=open('te.txt','r')
   
2. m_lines=myfile.readlines()
   
3. m_file=''.join(m_lines)
   
4. print 'm_file %s'%(m_file)
   
5. #print m_file
   
6. pattern=re.compile(r'<table .*?>(.*?)</table>',re.MULTILINE | re.DOTALL)
   
7. 
   
8. if pattern.search(m_file):
   
9.         print 'found it'
   
10. else:
    
11.         print 'not fount'
    
12. 
    
13. text=pattern.findall(m_file)
    
14. 
    
15. print text
    

复制代码

这个测试过，可以解决你的问题。