Python - Utilisation de regex pour trouver des correspondances multiples et les imprimer

Question

J'ai besoin de trouver le contenu de formulaires à partir d'un fichier source HTML, j'ai fait quelques recherches et j'ai trouvé une très bonne méthode pour le faire, mais le problème est qu'elle n'imprime que le premier formulaire trouvé, comment puis-je le parcourir en boucle et afficher le contenu de tous les formulaires, pas seulement le premier ?

line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
matchObj = re.search('<form>(.*?)</form>', line, re.S)
print matchObj.group(1)
# Output: Form 1
# I need it to output every form content he found, not just first one...

Answer 1

N'utilisez pas d'expressions régulières pour analyser le HTML.

Mais si vous avez besoin de trouver toutes les correspondances regexp dans une chaîne, utilisez la fonction findall fonction.

import re
line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
matches = re.findall('<form>(.*?)</form>', line, re.DOTALL)
print(matches)

# Output: ['Form 1', 'Form 2']

Answer 2

Au lieu d'utiliser re.search utiliser re.findall il vous renverra toutes les correspondances dans un List . Ou vous pouvez également utiliser re.finditer (que j'aime le plus utiliser), il renverra un Iterator Object et vous pouvez simplement l'utiliser pour itérer sur toutes les correspondances trouvées.

line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'
for match in re.finditer('<form>(.*?)</form>', line, re.S):
    print match.group(1)

Answer 3

L'utilisation de regex à cette fin est une mauvaise approche. Puisque vous utilisez Python, vous disposez d'une bibliothèque vraiment impressionnante pour extraire des parties de documents HTML : BelleSoupe .