常规 exp 在特定情况下不起作用

Question

我无法在使用正则表达式 re.search 方法时提取特定字段。显示的错误是：

raw_add = re.search(search_add.decode('utf-8'),i.decode('utf-8')).group()
AttributeError: 'NoneType' object has no attribute 'group'

我的代码如下：

import urllib2
import re
from json import dump

dumped_data = []
url = 'http://levi.in/store-finder/content/cityAddress.xml'
data = urllib2.urlopen(url).read()

class theAddress():
    city = ""
    state = ""
    lat = ""
    lng = ""
    area = ""
    addr = ""

broken_pieces = re.compile('(?<=marker ).+?(?="\/>)')
all_broken_pieces = re.findall(broken_pieces,data)

search_add = '(?<=html=").+?(?=Tel|<\/p>)'


for i in all_broken_pieces:
    obj = theAddress()
    obj.city = re.search('(?<=city=").+?(?=")',i).group()
    obj.state = re.search('(?<=state=").+?(?=")',i).group()
    obj.lat = re.search('(?<=lat=").+?(?=")',i).group()
    obj.lng = re.search('(?<=lng=").+?(?=")',i).group()
    obj.area = re.search('(?<=label=").+?(?=")',i).group()


    raw_add = re.search(search_add.decode('utf-8'),i.decode('utf-8')).group()
    try:

        process1 = re.sub('&lt;h5&gt;','',raw_add)
        process2 = re.sub('&lt;/h5&gt;',' ',process1)
        process3 = re.sub('&lt;p&gt;','',process2)
        process4 = re.sub('&lt;br /&gt;',' ',process3)
        process5 = re.sub('&lt;/p&gt;','',process4)
        process6 = re.sub('&amp;','&',process5)

        obj.addr = process6
    except:
        pass

    dumped_data.append(obj.__dict__)

    f = open('levis_address1111.json','w')
    dump(dumped_data, f, indent = 1)

这里的问题是，只要正则表达式匹配的地址以 'Tel' 结尾，数据就会被提取，但当它以“

”结尾时，就会弹出错误。

Answer 1

刚刚调试了您的代码，似乎字符串 html 已转义，因此您应该将正则表达式更改为：

search_add = '(?<=html=").+?(?=Tel|&lt;\/p&gt;)'

Answer 2

正如 beerbajay 已经建议的那样，如果您想绕过错误，请在尝试提取组之前检查是否存在匹配项（如错误所述，它不适用于 NoneType (没有正则表达式匹配)).

尝试您的示例并打印一些调试信息，我发现：

debug i: city="Amravati" state="Maharashtra" lat="20.930138" lng="77.754321" html="&lt;h5&gt;Tri Star Retail Pvt. Ltd(OLS):&lt;/h5&gt; &lt;p&gt;Near HDFC Bank,&lt;br /&gt;Main Market Road, &lt;br /&gt;Jaystambh Chowk Road,&lt;br /&gt;Amravati-440601. &lt;br /&gt;Tel: 0721-561396&lt;/p&gt;" label="Amravati" icontype="Levi\'s" category="&lt;h5&gt;Levi\'s Showroom:&lt;/h5&gt; &lt;p&gt;Near HDFC Bank,&lt;br /&gt;Main Market Road, &lt;br /&gt;Jaystambh Chowk Road,&lt;br /&gt;Amravati-440601.&lt;/p&gt;


raw_add: &lt;h5&gt;Tri Star Retail Pvt. Ltd(OLS):&lt;/h5&gt; &lt;p&gt;Near HDFC Bank,&lt;br /&gt;Main Market Road, &lt;br /&gt;Jaystambh Chowk Road,&lt;br /&gt;Amravati-440601. &lt;br /&gt;


debug i: city="Bangalore" state="Karnataka" lat="12.935816" lng="77.610294" html="&lt;img src=\'../Images/FindUs/LoopProgram.gif\' style=\'float:right; padding-left:5px;\' alt=\'Levi\xe2\x80\x99s\xc2\xae Loop Program\' /&gt;&lt;h5&gt;Prakruthi Apparels(OLS):&lt;/h5&gt; &lt;p&gt;Housur road, Forum mall,&lt;br /&gt; Bangalore.&lt;/p&gt;" label="Forum mall" icontype="Levi\'s" category="&lt;img src=\'../Images/FindUs/LoopProgramW.gif\' style=\'float:right; padding-right:5px;\' alt=\'Levi\xe2\x80\x99s\xc2\xae Loop Program\' /&gt;&lt;h5&gt;Levi\'s Showroom:&lt;/h5&gt;&lt;p&gt;Housur road,&lt;br /&gt;Forum mall,&lt;br /&gt; Bangalore.&lt;/p&gt;

首先'debug i'是一个确实包含"Tel"的字符串，所以匹配。在第二个中，我没有看到任何

，因此您的正则表达式不匹配。您可能需要对 regex/include 一些更多可能的场景进行更多调试。确实；通常最好不要使用正则表达式进行 html/xml 解析。

常规 exp 在特定情况下不起作用

Regular exp not working in particular cases

python

regex

web-scraping

urllib2