Кажется, я не могу сосредоточиться на регулярных выражениях.
Моя строка:
<h1 id="jdp-title-job-title2">Manager Global E-Commerce (m/f/d)</h1>
<h1 id="jdp-title-job-title"></h1>
<h5>We are looking for a new colleague in ZF Aftermarket’s Global Digital Team at our location in Neuwied.
Req Id: 40112BR</h5>
<h6>Your tasks as Manager Global E-Commerce (m/f/d): </h6>
Первая попытка регулярного выражения
(?<=>).+(?=<)
Использование Lookahead / Back кажется хорошей идеей, потому что это не тегCharaters я не хочу.Это соответствует тому, что мне нужно из строки выше , но
re.findall(r'(?<=>).+(?=<)', s)
возвращает полную строку поиска.Зачем?(установка «. +» в круглых скобках, чтобы сделать его группой захвата, не помогает.
Вторая попытка регулярного выражения
<(h[1-9]).*<\/\1>
был вторым подходом.все это, включая теги. Однако
re.findall(r'<(h[1-9]).*<\/\1>', s)
приводит к
0 = {str} 'h1'
1 = {str} 'h5'
2 = {str} 'h6'
, что неудивительно, поскольку группа захвата 1 окружает только начальные теги. Объединение собранных знаний:
Third Regex Try
<(h[1-9]).*>(.+)<\/\1>
Lookahed / lookbehind не работает с *. Поэтому я попытался сделать часть строки нужной для второй группы захвата. К сожалению, моякод:
re.findall(r'<(h[1-9]).*>(.+)<\/\1>', s)
возвращает полный бред
0 = {tuple}
0 = {str} 'h1'
1 = {str} '\r <h1 id="jdp-title-job-title">'
__len__ = {int} 2
1 = {tuple}
0 = {str} 'h5'
1 = {str} 'We are looking for a new colleague in ZF Aftermarket’s Global
Digital Team at our location in Neuwied.\r Req Id: 40112BR'
__len__ = {int} 2
Есть даже вещи, которые не соответствуют этому регулярному выражению или не являются частью группы захвата или являются многострочными (например,содержание h5). Я не понимаю, что происходит.
Что я хочу
Прежде всего, я хочу понять, что происходит. Во-вторых, мне нужносодержимое, заключенное в теги HTML в приведенной выше строке.
Мой желаемый результат будет выглядеть следующим образом:
0 = {tuple}
0 = {str} 'Manager Global E-Commerce (m/f/d)'
1 = {tuple}
0 = {str} 'Your tasks as Manager Global E-Commerce (m/f/d): '
Бонус: в идеале регулярное выражение совпадает с многострочным содержимым тега h5, но это проблема, которую я готов решить послеОсновная проблема исправлена.
Большое спасибо!