Fw: [問題] 求救解析HTML

[areyo (沒有名字的怪物)]

※ [本文轉錄自 RegExp 看板 #1GBZkj3E ]

作者: areyo (沒有名字的怪物) 看板: RegExp
標題: [問題] 求救解析HTML
時間: Fri Aug 17 20:40:09 2012

大家晚安

小弟使用的是python 2.6的正規

現在在練習解析一個網頁中某段資料如下

<h2>Department</h2>
<ul id="ref_3224438011">
<li style="margin-left: -18px"><a href="http://www.amazon.com/s?ie=UTF8&page=1&rh=n%3A172282">&#8249;&nbsp;<span class="expand">Electronics</span></a></li>
<li style="margin-left: -10px"><a href="http://www.amazon.com/s?ie=UTF8&page=1&rh=n%3A281407">&#8249;&nbsp;<span class="expand">Accessories &amp; Supplies</span></a></li>
<li style="margin-left: -2px"><a href="http://www.amazon.com/s?ie=UTF8&page=1&rh=n%3A172532">&#8249;&nbsp;<span class="expand">Audio &amp; Video Accessories</span></a></li>
<li style="margin-left: 24px"><strong>3D Glasses</strong></li>
</ul>

我想從一個完整的html中抓出這一段
我試著用線上正規檢查去試，只有土法鍊鋼出這段REG
<h2>.+\n.+\n.+\n.+\n.+\n.+\n<\/ul>

發現中間都是用.+\n不斷重覆，但是卻不知道有幾層，有人可指點迷津嗎?

感恩

--
懶惰與懦弱使愚笨成自然

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 114.40.188.253

※ 發信站: 批踢踢實業坊(ptt.cc)
※ 轉錄者: areyo (59.127.191.91), 時間: 08/17/2012 20:50:43
推 justlink:\S \s 試過沒有?
→ darkgerm:HTML 不要用正規 prase...  用 lxml 之類的
→ qwertmn:單純化簡你的re <h2>(.+\n)+<\/ul>
→ bob123:1.(RegExp) http://docs.python.org/library/re.html#re.S
→ bob123:or)  2. lxml.html , xpath
→ AndCycle:Beautiful Soup