Отсутствуют результаты регулярного выражения в Python

В настоящее время я изучаю Regex в Python, и мои ожидаемые результаты Regex не отображаются (я использую Python 3.6). Ниже приведен код для получения значений String, против которых я запускаю регулярное выражение:

import json
import os
import pandas as pd
import requests
import re

url = 'http://www.trumba.com/calendars/brisbane-city-council.json'
uh = requests.get(url)

json_data = json.loads(uh.text)
json_str = json.dumps(json_data)
panda_json = pd.read_json(json_str, typ = 'frame')

Теперь я хочу найти совпадение html-гиперссылка в «местоположении».

С помощью регулярного выражения я ожидаю найти совпадения, подобные приведенным ниже (любые значения между [<] и [>]):

<a href = "http://maps.google.com/?q=33+Teevan+St%2c+Stafford+QLD+4053%2c+Australia" target = "_blank">

поэтому я использую ниже Regex:

pattern = re.compile(r'/[<].*?[>]/')

а затем попытаться сохранить их в фрейме данных

matches = re.findall(pattern, str(panda_json['location']))

x = []
for match in matches:
    x.append(match)

x = pd.DataFrame(x)

А х ничего не показывает? Я уверен, что упускаю что-то очевидное.

Вы, вероятно, ищете panda_json['location'].str.extract(r'<([^>]+)>')

Wiktor Stribiżew 08.02.2019 10:20

Обратите внимание, что вы действительно должны использовать избегайте разбора HTML с помощью регулярных выражений, и у этого python есть восхитительная библиотека красивыйсуп, которая обрабатывает и извлекает данные из html.

Aaron 08.02.2019 10:21

Спасибо обоим! @WiktorStribiżew это работает. Я узнаю полное определение регулярного выражения. Спасибо за вашу помощь.

mlinardy 09.02.2019 04:59

@Aaron спасибо также за совет и за указание на этот пост. Я буду копать глубже, почему мы должны избегать разбора HTML с помощью регулярных выражений (хотя я немного запутался... решение от Виктора, похоже, работает).

mlinardy 09.02.2019 05:00

Проблема в основном в том, что HTML — очень либеральный язык, и попытка учесть все ловушки в регулярном выражении не стоит того, особенно когда другие инструменты уже делают это. Даже в вашем простом случае может быть (технически, хотя и маловероятно) блок <![CDATA или комментарий <!-- в этих тегах, из-за которых регулярное выражение не сможет проанализировать их целиком, в то время как специализированный анализатор преуспеет.

Aaron 09.02.2019 12:18
Стоит ли изучать PHP в 2026-2027 годах?
Стоит ли изучать PHP в 2026-2027 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
5
72
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете просто извлечь подстроки между < и >, используя

panda_json['location'].str.extract(r'<([^>]+)>')

Шаблон <([^>]+)> сопоставляет < с <, затем сопоставляет один или несколько символов, отличных от > с [^>]+, и, поскольку шаблон заключен в ( и ), помещается в группу 1 (и .str.extract выводит только захваченное значение), а затем > соответствует символ >.

Другие вопросы по теме