python - 使用正则表达式在 Python 中解析 XML

Question

我正在尝试使用正则表达式来解析XML文件（在我的情况下，这似乎是最简单的方法）。

例如，一行可能是：

line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'

要访问标签 City_State 的文本，我正在使用：

attr = re.match('>.*<', line)

但没有任何东西被退回。

有人可以指出我做错了什么吗？

Answer 1

您通常不想使用re.match. 引用文档：

如果您想在字符串中的任何位置找到匹配项，请改用search()（另请参阅search() 与 match()）。

笔记：

>>> print re.match('>.*<', line)
None
>>> print re.search('>.*<', line)
<_sre.SRE_Match object at 0x10f666238>
>>> print re.search('>.*<', line).group(0)
>PLAINSBORO, NJ 08536-1906<

---

另外，当您可以使用类似的东西时，为什么要使用正则表达式解析 XML BeautifulSoup:)。

>>> from bs4 import BeautifulSoup as BS
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> soup = BS(line)
>>> print soup.find('city_state').text
PLAINSBORO, NJ 08536-1906

Answer 2

请只使用像 ElementTree 这样的 XML 解析器

>>> from xml.etree import ElementTree as ET
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> ET.fromstring(line).text
'PLAINSBORO, NJ 08536-1906'

Answer 3

re.match 仅当模式匹配整个字符串时才返回匹配项。要查找与模式匹配的子字符串，请使用 re.search。

是的，这是一种解析 XML 的简单方法，但我强烈建议您使用专门为该任务设计的库。