lis上的Python正则表达式

Question

我试图构建一个解析器并将结果保存为xml文件，但是我遇到了问题。。在

请各位专家看看我的代码好吗？在

回溯：TypeError: expected string or buffer

import urllib2, re
from xml.dom.minidom import Document
from BeautifulSoup import BeautifulSoup as bs
osc = open('OSCTEST.html','r')
oscread = osc.read()
soup=bs(oscread)
doc = Document()
root = doc.createElement('root')
doc.appendChild(root)
countries = doc.createElement('countries')
root.appendChild(countries)
findtags1 = re.compile ('<h1 class="title metadata_title content_perceived_text(.*?)`</h1>', re.DOTALL |  re.IGNORECASE).findall(soup)
findtags2 = re.compile ('<span class="content_text">(.*?)</span>', re.DOTALL |  re.IGNORECASE).findall(soup)
for header in findtags1:
title_elem = doc.createElement('title')
countries.appendChild(title_elem)
header_elem = doc.createTextNode(header)
title_elem.appendChild(header_elem)
 for item in findtags2:
    art_elem = doc.createElement('artikel')
    countries.appendChild(art_elem)
    s = item.replace('<P>','')
    t = s.replace('</P>','')
    text_elem = doc.createTextNode(t)
    art_elem.appendChild(text_elem)    

print doc.toprettyxml()

Answer 1

尝试使用BeautifulSoup解析HTML是很好的，但这行不通：

re.compile('<h1 class="title metadata_title content_perceived_text(.*?)`</h1>',
           re.DOTALL | re.IGNORECASE).findall(soup)

您正在尝试使用正则表达式解析BeautifulSoup对象。相反，您应该在汤上使用findAll方法，如下所示：

^{pr2}$

如果您确实想用正则表达式将文档解析为文本，那么就不要使用BeautifulSoup，只需将文档读入字符串并进行解析。但我建议你花点时间来学习一下BeautifulSoup是如何工作的，因为这是最好的方法。有关详细信息，请参阅documentation。在