python - Python 正则表达式 - 解析 HTML

Question

我有这个小代码，它给了我AttributeError：'NoneType'对象没有属性'group'。

import sys
import re

#def extract_names(filename):

f = open('name.html', 'r')
text = f.read()

match = re.search (r'<hgroup><h1>(\w+)</h1>', text)
second = re.search (r'<li class="hover">Employees: <b>(\d+,\d+)</b></li>', text)  

outf = open('details.txt', 'a')
outf.write(match)
outf.close()

我的意图是读取一个 .HTML 文件以查找<h1>标签值和员工人数并将它们附加到文件中。但由于某种原因，我似乎无法正确处理。非常感谢您的帮助。

Answer 1

您正在使用正则表达式，但是将 XML 与此类表达式匹配变得太复杂、太快。不要那样做。

改用 HTML 解析器，Python 有几个可供选择：

• ElementTree是标准库的一部分
• BeautifulSoup是一个流行的第三方库
• lxml是一个快速且功能丰富的基于 C 的库。

后两者也非常优雅地处理格式错误的 HTML，对许多拙劣的网站有很好的理解。

元素树示例：

from xml.etree import ElementTree

tree = ElementTree.parse('filename.html')
for elem in tree.findall('h1'):
    print ElementTree.tostring(elem)

Answer 2

只是为了完成：您的错误消息只是表明您的正则表达式失败并且没有返回任何内容......