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 St

Chicago, 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>...&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;113 N Michigan St<br/>Chicago, IL 60661... </address>""">>>&nbsp;>>> from bs4 import BeautifulSoup>>> soup = BeautifulSoup(text, "html.parser")>>>&nbsp;>>> [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&nbsp;=&nbsp;[re.sub(r'\s*\n\s*',&nbsp;'',&nbsp;p)&nbsp;for&nbsp;p&nbsp;in&nbsp;re.split(r'<br/?>',&nbsp;re.sub(r'</?address>',&nbsp;'',&nbsp;s))]

Answer 3

您不需要使用正则表达式：s = '''<address>&nbsp; &nbsp; &nbsp; &nbsp; 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']