pythonregexp在lin中查找两个关键字

Question

我很难理解这些正则表达式。。。在

我有一根这样的绳子：

<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">

我想使用findall（）和groups来获得：

^{pr2}$

我可以用“synset-[0-9]”来匹配数字，用“{（.*？）来匹配单词}“但是我怎么写才能得到上面的结果呢？在

下面是一个问题，下面是一些问题：

<wn20schema:NounSynset rdf:about="&dn;synset-2589" rdfs:label="**{cykel_3: trehjulet cykel; tricykel,1_1}**">

在本例中，我想提取{}之间的内容，结果如下：

['2589', ['cykel', 'trehjulet cykel', 'tricykel']]

这样我以后可以把它作为key（2589）：value（['cykel'，'trehjulet cykel'，'tricykel']）对放入字典。在

有什么想法吗？在

Answer 1

请参见对this question的顶部答案。用正则表达式解析xml通常是个糟糕的主意。XML解析器就是为此而构建的。在

最快的方法可能是python的built-in minidom

Answer 2

如果您经常使用这些数据，甚至可以考虑使用专门的RDF库（例如RDFLib）。 如果不是这样，XML解析器绝对是最好的选择！在

• 如果明天不在一条线上呢？在
• 如果明天label会在{之前出现呢？在
• 至少还有十几种方法可以使它保持有效的XML，但会破坏regexp！在

不管怎样，我尝试应用一个XML解析器，但是那里的&dn;出现了一个“未定义的实体错误”。你能发布文件的顶部吗（doctype、命名空间定义等等）？在

Answer 3

由于这似乎是xml数据，所以最好使用xml解析器，因为用正则表达式解析xml非常非常困难。在

但是，既然你特别要求一个正则表达式。。。在

您的规范有点不精确，对于正则表达式，您需要非常精确地确定什么是匹配。例如，将rdfs：标签值总是有一个你想脱掉的？每行总是只有一个这样的数据块，还是每行有多个？还有，结果的顺序重要吗？在

这里有一个快速的方法，可以让你接近你想要的：

import re
data=r'<wn20schema:NounSynset rdf:about="&dn;synset-56242" rdfs:label="{saddelmageri_1}">"'

matches=re.findall('synset-([0-9]+).*label="{(.*)_1}"', data)
print "matches:", matches

当我运行上述命令时，我得到以下输出，这是一个包含两个元组的列表，其中包含您想要的两个字符串（尽管顺序不同）：

^{pr2}$