正規表現でhtmlを解析すると、時々動作しない

Question

正規表現と解析したい次のテキストがあります。私はクラス「ポストセル」でtdの中にすべてを持っていきたいです。私はこのコードを使用していますが、それは私に何も与えません。

re.finditer('<td class="postcell">(.+?)</td>', doc) 

私はDEFあなたが/を脱出するのを忘れ

<td class="postcell"> 
<div> 
<div class="post-text" itemprop="text"> 
<p>Let us consider</p> 
<pre class="lang-py prettyprint"><code>x = ['1', '2', '3', '4', '5'] 
y = ['a', 'b', 'c', 'd', 'e'] 
</code></pre> 
<p>How do I get the required output <code>z</code>?</p> 
<pre class="lang-py prettyprint"><code>z = [('1', 'a') , ('b', '2') , ('c', '3') , ('d', '4') , ('e', '5')] 
</code></pre> 
</div> 
<div class="post-taglist"> 
<a href="https://stackoverflow.com/questions/tagged/python" class="post-tag js-gps-track" title="show questions tagged 'python'" rel="tag">python</a> <a href="https://stackoverflow.com/questions/tagged/list" class="post-tag js-gps-track" title="show questions tagged 'list'" rel="tag">list</a> 
</div> 
<table class="fw"> 
<tbody><tr> 
<td class="vt"> 
<div class="post-menu"><a href="https://stackoverflow.com/q/9853438" title="short permalink to this question" class="short-link" id="link-post-9853438">share</a><span class="lsep">|</span><a href="/posts/9853438/edit" class="suggest-edit-post" title="">improve this question</a></div> 
</td> 
<td align="right" class="post-signature"> 
<div class="user-info user-hover"> 
<div class="user-action-time"> 
<a href="/posts/9853438/revisions" title="show all edits to this post">edited <span title="2012-03-24 16:42:59Z" class="relativetime">Mar 24 '12 at 16:42</span></a> 
</div> 
<div class="user-gravatar32"> 
<a href="https://stackoverflow.com/users/35070/phihag"><div class="gravatar-wrapper-32"><img src="https://www.gravatar.com/avatar/6f92354195e8874dbee44d5c8714d506?s=32&amp;d=identicon&amp;r=PG" alt="" width="32" height="32" /></div></a> 
</div> 
<div class="user-details"> 
<a href="https://stackoverflow.com/users/35070/phihag">phihag</a> 
<div class="-flair"> 
<span class="reputation-score" title="reputation score 132,147" dir="ltr">132k</span><span title="31 gold badges"><span class="badge1"></span><span class="badgecount">31</span></span><span title="252 silver badges"><span class="badge2"></span><span class="badgecount">252</span></span><span title="308 bronze badges"><span class="badge3"></span><span class="badgecount">308</span></span> 
</div> 
</div> 
</div> </td> 
<td class="post-signature owner"> 
<div class="user-info "> 
<div class="user-action-time"> 
     asked <span title="2012-03-24 16:40:17Z" class="relativetime">Mar 24 '12 at 16:40</span> 
</div> 
<div class="user-gravatar32"> 
<a href="https://stackoverflow.com/users/1168528/karthik-reddi"><div class="gravatar-wrapper-32"><img src="https://www.gravatar.com/avatar/acce3b34402cd7646c175c273dee1616?s=32&amp;d=identicon&amp;r=PG" alt="" width="32" height="32" /></div></a> 
</div> 
<div class="user-details"> 
<a href="https://stackoverflow.com/users/1168528/karthik-reddi">Karthik Reddi</a> 
<div class="-flair"> 
<span class="reputation-score" title="reputation score " dir="ltr">10</span><span title="2 bronze badges"><span class="badge3"></span><span class="badgecount">2</span></span> 
</div> 
</div> 
</div> 
</td> 
</tr> 
</tbody></table> 
</div> 
</td> 

Answer 1

beautifulsoup使用したくありません。

re.finditer('<td class="postcell">(.+?)<\/td>', doc)

他のコメンターは、それが一般的なに正規表現とHTMLを解析することは不可能だという権利です。あなたの場合、十分に良いかもしれません。その正規表現がネストするのが盲目であるような制限を知っているだけなので、あなたのポストセルの1つに<\td>がある場合、あなたのマッチは早く終了します。