Python re string parsing

Question

Я пытаюсь использовать шаблоны re в scrapy для синтаксического анализа строки. Строка имеет следующий формат. Я пытаюсь получить номера в тегах шрифтов (например, 08:00). Достаточно легко сделать в одном списке (\d+:\d+)+, но мне нужны два отдельных списка: AM и PM. Можете ли вы сделать это, создав две подстроки - AM и PM - а затем запустив узор против каждой из подстрок? (AM - и (PM - являются уникальными. Похоже, вы должны быть способны сделать это напрямую, но у меня нет идей. Благодарю.

Пример ввода:

(AM – 07:00 <font color=#0002fe>08:00</font> <font color=#0000dd>09:00</font> <font color=#0001fe>10:100</font>) <br> (PM – 18:00 <font color=#0000fe>190:00</font> <font color=#0000fe>175:00</font>) 

Answer 1

Я бы первым исключить HTML-теги и получить обычный текст для работы. Для этого, вы можете использовать HTML-парсер, как BeautifulSoup:

>>> from bs4 import BeautifulSoup 
>>> data = '(AM – 07:00 <font color=#0002fe>08:00</font> <font color=#0000dd>09:00</font> <font color=#0001fe>10:100</font>) <br> (PM – 18:00 <font color=#0000fe>190:00</font> <font color=#0000fe>175:00</font>)' 
>>> soup = BeautifulSoup(data, "html.parser") 
>>> data = soup.get_text() 
>>> AM, PM = data.split(" ") 
>>> AM 
u'(AM \u2013 07:00 08:00 09:00 10:100)' 
>>> PM 
u'(PM \u2013 18:00 190:00 175:00)' 

Answer 2

Если строка всегда будет выглядеть как пример, то вы можете сделать это, используя следующее регулярное выражение:

import re 
capture = re.compile("(?<=>)[\d:]*(?=<)") 
res = capture.findall("(AM – 07:00 <font color=#0002fe>08:00</font> <font color=#0000dd>09:00</font> <font color=#0001fe>10:100</font>) <br> (PM – 18:00 <font color=#0000fe>190:00</font> <font color=#0000fe>175:00</font>)") 
for match in res: 
    print(match) 

Это вонн Не работайте, если у вас есть другие типы тегов, хотя он просто находит все между > и < без пробелов.

Результат:

08:00 
09:00 
10:100 
190:00 
175:00