Jak upewnić się, że funkcja re.findall() zatrzymuje się we właściwym miejscu?

Question

Oto kod mam:

a='<title>aaa</title><title>aaa2</title><title>aaa3</title>' 
import re 
re.findall(r'<(title)>(.*)<(/title)>', a) 

Wynikiem jest:

[('title', 'aaa</title><title>aaa2</title><title>aaa3', '/title')] 

Jeśli kiedykolwiek zaprojektował robota, żeby mnie tytuły stron internetowych, mogę skończyć z czymś takim raczej niż tytuł strony internetowej.

Moje pytanie brzmi: w jaki sposób ograniczyć findall do pojedynczego <title></title>?

Answer 1

re.findall(r'<(title)>(.*?)<(/title)>', a) 

Dodaj ? po *, więc będzie nie chciwi.

Answer 2

Zastosowanie re.search zamiast re.findall jeśli tylko chcesz jeden mecz:

>>> s = '<title>aaa</title><title>aaa2</title><title>aaa3</title>' 
>>> import re 
>>> re.search('<title>(.*?)</title>', s).group(1) 
'aaa' 

Jeśli chciałeś wszystkie znaczniki, wówczas należy rozważyć zmianę to być non-chciwy (tj - .*?):

print re.findall(r'<title>(.*?)</title>', s) 
# ['aaa', 'aaa2', 'aaa3']  

Ale naprawdę rozważ użycie BeautifulSoup lub lxml lub podobnego do parsowania HTML.

Answer 3

Użyj non-chciwy przeszukiwanie zamiast:

r'<(title)>(.*?)<(/title)>' 

Pytanie znak mówi dopasować jak kilka znaków, jak to możliwe. Teraz twój findall() zwróci każdy z pożądanych rezultatów.

http://docs.python.org/2/howto/regex.html#greedy-versus-non-greedy

Answer 4

To będzie dużo łatwiejsze przy użyciu modułu BeautifulSoup.

https://pypi.python.org/pypi/beautifulsoup4