import re
string = """<div class="src ltr">
<span class="text">
Minors received mandatory legal representation, including court-appointed lawyers for those whose families could not <em>afford</em> representation.</span>
</div>
<div class="trg ltr">
<span class="icon jump-right"></span>
<span class="text" lang='ru'>
Несовершеннолетним в обязательном порядке обеспечивается участие в судебном процессе их законных представителей, в том числе назначаемых судом адвокатов для тех, чьи семьи не могут <a class="link_highlighted" href='/translation/russian-english/%D0%BF%D0%BE%D0%B7%D0%B2%D0%BE%D0%BB%D0%B8%D1%82%D1%8C+%D1%81%D0%B5%D0%B1%D0%B5' rel="nofollow"><em>позволить себе</em></a> такого представительства.</span>
</div>
"""
pattern = r'''<div class="trg ltr">(\s)|(.*)\s+</div>'''
regex = re.compile(pattern)
function_match = regex.findall(string)
print(function_match)
Написал регулярку, ошибок хоть убейте не вижу,мне нужно достать все между <div class="trg ltr"> </div>
. Ну конкретно предложение на русском языке, заключенное в блок.
А вот что я получаю в результате и не понимаю, в чем косяк моей регулярки:
** [('', ' Minors received mandatory legal representation, including court-appointed lawyers for those whose families could not afford representation.'), ('\n', ''), ('', ' Несовершеннолетним в обязательном порядке обеспечивается участие в судебном процессе их законных представителей, в том числе назначаемых судом адвокатов для тех, чьи семьи не могут <a class="link_highlighted" href='/translation/russian-english/%D0%BF%D0%BE%D0%B7%D0%B2%D0%BE%D0%BB%D0%B8%D1%82%D1%8C+%D1%81%D0%B5%D0%B1%D0%B5' rel="nofollow">позволить себе такого представительства.')] **
Т.е каким-то образом он в моем регулярном выражении распознал:
<div class="src ltr">
<span class="text">
Minors received mandatory legal representation, including court-appointed lawyers for those whose families could not <em>afford</em> representation.</span>
</div>
Когда не должен был! Объясните, в чем косяк моей регулярки и почему она находит не только то что мне нужно, но и то, что мне ненужно. Как исправить ?
regex = re.compile(r'<div class="trg ltr">(.*?)</div>', flags=re.DOTALL)