regex - re.findall 和正则表达式

Question

我需要获取类似内容的名称：

<p>
<a name="blu" title="blu"></a>orense
</p>
<p>
<a name="bla" title="bla"></a>toledo
</p>
<p>
<a name="blo" title="blo"></a>sevilla
</p>

但使用此代码：

names = []
matches = re.findall(r'''<a\stitle="(?P<title>[^">]+)"\sname="(?P<name>[^">]+)"></a>''',content, re.VERBOSE)
for (title, name) in matches:
    if title == name:
        names.append(title)
return names

...我得到名字=[]; 怎么了？。谢谢。

Answer 1

嗯，很明显，在您的示例文本中，name出现在之前title，而在您的正则表达式中，title预计在之前name。这正是您应该使用 HTML 解析器的原因（或其中之一）。以 BeautifulSoup为例。

如果您坚持使用正则表达式，只需翻转参数（并确保您永远不会以不同的顺序获得这些属性，并且永远不会获得任何其他属性）：

names = []
matches = re.findall(r'''<a\sname="(?P<name>[^">]+)"\stitle="(?P<title>[^">]+)"></a>''',content, re.VERBOSE)
for (name, title) in matches:
    if title == name:
        names.append(title)

结果：

>>> names
['blu', 'bla', 'blo']