Разбор целых чисел в списке

Question

Я только начал изучать Python, и у меня возникла небольшая проблема. Мне нужно разобрать текстовый файл, в частности, файл HTML (но это синтаксис настолько странный - divs после divs после divs, результат «Просмотр как HTML» Google для определенного PDF-файла, похоже, не может извлечь из текст, потому что он имеет беспорядочную таблицу в m $ word).

Во всяком случае, я выбрал довольно низкоуровневый подход, потому что мне просто нужны данные как можно скорее, и поскольку я начинаю изучать Python, я решил, что изучение основ поможет мне тоже.

У меня все сделано, за исключением небольшой части, в которой мне нужно получить набор целых чисел из набора div. Вот пример:

<div style="position:absolute;top:522;left:1020"><nobr>*88</nobr></div> 

Теперь цифры я хочу, чтобы получить все те, внутри <nobr></nobr> (в этом случае, «588») и, так как это довольно грязный файл, я должен убедиться, что я получение правильное. Для этого этому номеру внутри <nobr></nobr> должен предшествовать "left:1020", "left:1024" или "left:1028". Это из-за автоматического преобразования, и лучшим выбором было бы получить все число, которому предшествует left:102[0-], на мой взгляд.

Для этого я пытался использовать:

for o in re.finditer('left:102[0-9]"><nobr>(.*?)</nobr></div>', words[index]) 
    out = o.group(1) 

Но до сих пор нет такой удачи ... Как не могу я получить эти цифры?

Спасибо заранее, J.

Answer 1

Не использовать регулярные выражения для разбора HTML. BeautifulSoup сделает легкую работу.

Что касается конкретной проблемы, может оказаться, что вам не хватает двоеточие в конце первой строки:

for o in re.finditer('left:102[0-9]"><nobr>(.*?)</nobr></div>', words[index]): 
    out = o.group(1) 

Если это не проблема, пожалуйста, напишите об ошибке вы получаете, на то, что вы ожидаете от вывода.