我需要从HTML源文件中找到表单的内容，我做了一些搜索，发现有很好的方法可以做到这一点，但问题是，它只打印出第一个发现的内容，我怎样才能通过循环来输出所有的表单内容，而不仅仅是第一个内容？

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...
    
2 个评论
Wooble：
你真的不希望用正则表达式来解析HTML。stackoverflow.com/questions/1732348/...
avasal：
请参考这个[stackoverflow.com/questions/3873361/...        [1]: stackoverflow.com/questions/3873361/...
python
regex
Stan
发布于 2011-10-11
3 个回答
Petr Viktorin
发布于 2011-10-11
已采纳
0 人赞同

不要使用正则表达式来解析HTML。
但如果你需要在一个字符串中找到所有的regexp匹配，可以使用findall function.
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']
    
Charlie Parker：
美国是做什么的？
Petr Viktorin：
使得'.'特殊字符可以匹配任何字符，包括换行；如果没有这个标志，'.'将匹配任何字符。except一个换行。(docs.python.org/2/library/re.html#re.S )
Charlie Parker：
哦，我明白了，我确实去看了网页，但没有看懂文件，因为re.S下面什么都没有，但现在我知道怎么看文件了，re.S和re.DOTALL是一样的......谢谢!
Petr Viktorin：
不客气!re.DOTALL更清楚了，我已经更新了答案。
moyo：
这是最好的方法。只是为了确认，由于findall返回的是一个正常的数组，访问结果有match[0]、match[1]等
Aamir Rind
发布于 2011-10-11
0 人赞同

不要使用re.search，而是使用re.findall，它将返回所有匹配的List。或者你也可以使用re.finditer（我最喜欢使用的），它将返回一个Iterator Object，你可以直接用它来迭代所有找到的匹配。
line = 'bla bla bla<form>Form 1</form> some text...<form>Form 2</form> more text?'