मैं कैसे सुनिश्चित करूं कि re.findall() सही जगह पर रुक जाए?</p> <pre><code>a='<title>aaa</title><title>aaa2</title><title>aaa3</title>' import re re.findall(r'<(title)>(.*)<(/title)>', a) </code></pre> <p>परिणाम है::

Question

यहाँ कोड मैं है

[('title', 'aaa</title><title>aaa2</title><title>aaa3', '/title')] 

अगर मैं कभी मुझ वेब साइटों की खिताब पाने के लिए एक क्रॉलर तैयार किया गया है, मैं कुछ इस तरह से खत्म हो सकता है बल्कि वेबसाइट के लिए एक शीर्षक से।

मेरा सवाल है, मैं findall को एक <title></title> पर कैसे सीमित करूं?

Answer 1

re.findall(r'<(title)>(.*?)<(/title)>', a) 

* के बाद एक ? जोड़ें, ताकि गैर लालची हो जाएगा।

Answer 2

उपयोग re.search बजाय re.findall आप केवल चाहते हैं, तो एक मैच:

>>> s = '<title>aaa</title><title>aaa2</title><title>aaa3</title>' 
>>> import re 
>>> re.search('<title>(.*?)</title>', s).group(1) 
'aaa' 

आप सभी टैग करना चाहता था, तो आप यह गैर लालची होने के लिए बदल रहा है पर विचार करना चाहिए (यानी - .*?):

print re.findall(r'<title>(.*?)</title>', s) 
# ['aaa', 'aaa2', 'aaa3']  

लेकिन वास्तव में सुंदर सूप या एलएक्सएमएल या पार्स एचटीएमएल के समान उपयोग करने पर विचार करें।

Answer 3

बजाय एक गैर लालची खोज का उपयोग करें:

r'<(title)>(.*?)<(/title)>' 

प्रश्न चिह्न संभव के रूप में कुछ वर्णों का मिलान करने कहते हैं। अब आपका findall() आपके इच्छित परिणामों में से प्रत्येक को वापस कर देगा।

http://docs.python.org/2/howto/regex.html#greedy-versus-non-greedy

Answer 4

यह बहुत आसान BeautifulSoup मॉड्यूल का उपयोग कर सकेंगे।

https://pypi.python.org/pypi/beautifulsoup4