1

У меня есть вот такой код:

import re
import urllib.request

def main():
    pattern = re.compile(r"(?P<Block><div id=\"entryContent\">.*)")
    data = urllib.request.urlopen("http://www.oxfordlearnersdictionaries.com/"
                                      "definition/english/hello").read().decode()
        result = pattern.search(data)
        print(result.group("Block"))

    main()

Результат:

<div id="entryContent"><div xmlns="http://www.w3.org/1999/xhtml" class="entry" sk="hello11" id="hello_1"><ol class="h-g" id="hello_1__1"><div class="top-container"><div class="top-g" id="hello_1__2">

По моему пониманию, я должен был получить текст начиная c "<..." до окончания. Специально поставил ".*". Но, почему-то, анализ текста прерывается почти сразу и я получаю только малую часть. Почему там может быть?

1 ответ 1

4

Потому что метасимвол . по-умолчанию не совпадает с \n.
Используйте регулярное выражение с флагом DOTALL.

https://docs.python.org/2/library/re.html#module-contents


Для регулярных выражений PCRE этот флаг записывается так:

/your_regex/s
1
  • Спасибо большое! Очень помог совет! Я совсем про это забыл. В моем изначальном шаблоне я использовал "\s", но ошибочка закралась. К сожалению я начал искать её в другом месте. Но с флагом DOTALL намного удобней :)
    – J3000
    12 дек 2015 в 18:21

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.