删除地址标签并拆分

Question

给定以下字符串：<address>        113 N Michigan St<br/>Chicago, IL 60661</address>如何拆分它以便它返回两个字符串：113 N Michigan StChicago, IL 60661而且，如果您有这样的字符串：<address>     113 n. Michigan St</address>它将返回：['113 n. Michigan St','']或者对于这个字符串类似：<address>     Chicago, IL 60661</address>它将返回以下内容：['','Chicago, IL 60661']我试过把一些东西放在一起，但在正则表达式方面很糟糕：re.search(r'<address>\.(.*?)</address>', *above string here*).group(1)

Answer 1

避免regex用于解析 html 数据。使用专门为此设计的东西BeautifulSoup

>>> text = """<address>

...         113 N Michigan St<br/>Chicago, IL 60661

... </address>"""

>>> 

>>> from bs4 import BeautifulSoup

>>> soup = BeautifulSoup(text, "html.parser")

>>> 

>>> [addr.strip() for tag in soup.find_all('address') for addr in tag.strings]

['113 N Michigan St', 'Chicago, IL 60661']

Answer 2

如果s是您的地址块字符串：

parts = [re.sub(r'\s*\n\s*', '', p) for p in re.split(r'<br/?>', re.sub(r'</?address>', '', s))]

Answer 3

您不需要使用正则表达式：

s = '''<address>

        113 N Michigan St<br/>Chicago, IL 60661

</address>'''

strs = s[s.index('<address>')+len('<address>'):s.index('</address>')].strip().split('<br/>')

#['113 N Michigan St', 'Chicago, IL 60661']