python - Python “re”模块不起作用？

我正在使用Python的“re”模块，如下所示:

request = get("http://www.allmusic.com/album/warning-mw0000106792")
print re.findall('<hgroup>(.*?)</hgroup>', request)

我正在做的就是获取this site的HTML，并寻找以下特定代码段:

<hgroup>
    <h3 class="album-artist">
        <a href="http://www.allmusic.com/artist/green-day-mn0000154544">Green Day</a>        </h3>

    <h2 class="album-title">
        Warning        </h2>
</hgroup>

但是，它继续打印一个空数组。为什么是这样？为什么re.findall找不到此代码段？

最佳答案

您正在解析的HTML多行。您需要像这样将re.DOTALL标志传递给findall:

print re.findall('<hgroup>(.*?)</hgroup>', request, re.DOTALL)

这允许.匹配换行符，并返回正确的输出。

@jsalonen是正确的，当然，用正则表达式解析HTML是一个棘手的问题。但是，在这样的小情况下，特别是对于一次性脚本，我会说这是可以接受的。