Regex multiline如何获取页面的一部分sou

Question

很抱歉，如果您以前遇到过这个问题，我发现python regex文档很难理解，主要是因为缺少示例。 我想抓取一个页面源代码块，稍后再进行解析。例如：

    <div id="viewed"><div class="shortstory-block">

    <div class="shortstoey-block-image">
        <a href="...."><img src="/uploads/posts/cov.jpg" alt="instance 1"/></a>
        <span class="format"><a href="http://www..../">something</a></span>
    </div>

    <a href="http://....."><span class="shortstory-block-title" style="text-decoration:none !important;">
        Something
    </span>
    </a>

</div><div class="shortstory-block">

    <div class="shortstoey-block-image">
        <a href="...."><img src="/uploads/posts/cov.jpg" alt="something 2"/></a>
        <span class="format"><a href="http://www.website/xfsearch/smth/">something</a></span>
    </div>

    <a href="http://web.html"><span class="shortstory-block-title" style="text-decoration:none !important;">
        Something
    </span>
    </a>
 </div>
  (* x times)
     <div id="rated">....

我把所有的页面源代码都放在一个变量（html\u源代码）中，我只想用这段代码定义另一个变量（在div^{id1}之间）$

有人能给我指出正确的方向（regex表达式）吗？你知道吗

提前谢谢

Answer 1

re.DOTALL标志使。匹配任何字符。没有那面旗子，它就不符合新行。你知道吗

（DOTALL也可以在regexp本身中拼写为(?s)）

有关类似的问题，以及代码示例和更好的方法，请参见： Python's "re" module not working?

Answer 2

如果您确实只是想在文本的两个元素之间找到一些东西，可以使用以下正则表达式：

import re

with open('yourfile') as fin:
    page_source = fin.read()

start_text = re.escape('<div id="viewed">')
until_text = re.escape('<div id="rated">')
match_text = re.search('{}(.*?){}'.format(start_text, until_text), page_source, flags=re.DOTALL)
if match_text:
    print match_text.group(1)