Python regulären Ausdruck übereinstimmen in HTML-Datei

Question

Ich versuche, in eine HTML-Datei übereinstimmen. Dies ist der html:

<td> 
<b>BBcode</b><br /> 
<textarea onclick='this.select();' style='width:300px;  height:200px;' /> 
[URL=http://someimage.com/LwraZS1]   [IMG]http://t1.someimage.com/LwraZS1.jpg[/IMG][ [/URL] [URL=http://someimage.com/CDnuiST] [IMG]http://t1.someimage.com/CDnuiST.jpg[/IMG] [/URL] [URL=http://someimage.com/Y0oZKPb][IMG]http://t1.someimage.com/Y0oZKPb.jpg[/IMG][/URL] [URL=http://someimage.com/W2RMAOR][IMG]http://t1.someimage.com/W2RMAOR.jpg[/IMG][/URL] [URL=http://someimage.com/5e5AYUz][IMG]http://t1.someimage.com/5e5AYUz.jpg[/IMG][/URL] [URL=http://someimage.com/EWDQErN][IMG]http://t1.someimage.com/EWDQErN.jpg[/IMG][/URL] 
</textarea> 
</td> 

Ich möchte alle BB-Code von [zu] enthalten enthalten.

Und dies ist mein Code:

import re 
x = open('/xxx/xxx/file.html', 'r').read 
y = re.compile(r"""<td> <b>BBcode</b><br /><textarea onclick='this.select();' style='width:300px; height:200px;' />. (. *) </textarea> </td>""") 
z = y.search(str(x()) 
print z   

Aber wenn ich das i Objekt erhalten Keine laufen ... Wo ist der Fehler?

Answer 1

Ich würde einen Parser für diese verwenden:

from html import HTMLParser 

class MyHtmlParser(HTMLParser): 
    def __init__(self): 
     self.reset() 
     self.convert_charrefs = True 
     self.dat = [] 
    def handle_data(self, d): 
     self.dat.append(d.strip()) 
    def return_data(self): 
     return self.dat 
>>> with open('sample.html') as htmltext: 
     htmldata = htmltext.read() 
>>> parser = MyHtmlParser() 
>>> parser.feed(htmldata) 
>>> res = parser.return_data() 
>>> res = [item for item in filter(None, res)] 
>>> res[0] 
'BBcode' 
>>> 

Answer 2

Ich denke, Sie müssen etwas wie z.group() hinzufügen, um aus dem Regex-Objekt, nicht wahr? Also, nur wenn Sie Ihre letzte Zeile zu

Druck z.group()

könnte es tun.

Answer 3

import re 
x = open('/xxx/xxx/file.html', 'rt').read() 
r1 = r'<textarea.*?>(.*?)</textarea>' 
s1 = re.findall(r1, s, re.DOTALL)[1] # just by inspection 
r2 = r'\[(.*?)\]' 
s2 = re.findall(r2, s1) 
for u in s2: 
    print(u)