Анализ XML в Python с регулярным выражением

Я пытаюсь использовать regex для анализа файла XML (в моем случае это кажется самым простым способом).

Например, строка может быть:

line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'

Чтобы получить доступ к тексту для тега City_State, я использую:

attr = re.match('>.*<', line)

но ничего не возвращается.

Может кто-нибудь указать, что я делаю неправильно?

Ответ 1

Обычно вы не хотите использовать re.match. Цитата из документов:

Если вы хотите найти совпадение в любом месте строки, вместо search() (см. также search() vs. match()).

Примечание:

>>> print re.match('>.*<', line)
None
>>> print re.search('>.*<', line)
<_sre.SRE_Match object at 0x10f666238>
>>> print re.search('>.*<', line).group(0)
>PLAINSBORO, NJ 08536-1906<

Кроме того, зачем анализировать XML с регулярным выражением, когда вы можете использовать что-то вроде BeautifulSoup:).

>>> from bs4 import BeautifulSoup as BS
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> soup = BS(line)
>>> print soup.find('city_state').text
PLAINSBORO, NJ 08536-1906

Ответ 2

Пожалуйста, просто используйте XML-парсер, например ElementTree

>>> from xml.etree import ElementTree as ET
>>> line='<City_State>PLAINSBORO, NJ 08536-1906</City_State>'
>>> ET.fromstring(line).text
'PLAINSBORO, NJ 08536-1906'

Ответ 3

re.match возвращает совпадение, только если шаблон соответствует всей строке. Чтобы найти подстроки, соответствующие шаблону, используйте re.search.

И да, это простой способ разобрать XML, но я настоятельно рекомендую вам использовать библиотеку, специально разработанную для этой задачи.