2

Se dispone de la siguiente estructura de etiquetas HTML (extracto de otro documento más grande):

texto = '''
                <div id="breadcrumb_feature_div" data-feature-name="breadcrumb" data-template-name="breadcrumb" class="a-section a-spacing-none feature t-prnt t-full">
                    <style type="text/css">
                        #a-page .dp-breadcrumb .breadcrumb-inline-links {
                            display: inline;
                        }

                        .dp-breadcrumb {
                            31.25px;
                        }
                    </style>
                    <div class="a-section a-spacing-large">
                        <h4 class="a-spacing-small">Estás aquí</h4>
                        <div class="a-section dp-breadcrumb">
                            <div aria-live="polite" data-a-expander-collapsed-height="125" class="a-expander-collapsed-height a-row a-expander-container a-expander-partial-collapse-container" style="max-height:125px; _height:125px">
                                <div aria-expanded="false" class="a-expander-content a-expander-partial-collapse-content">
                                    <a class="a-spacing-base a-link-normal" href=''>departamentos</a>
                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=''>Tienda Kindle</a>
                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=''>eBooks Kindle</a>
                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=''>Deportes</a>
                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=''>Ciclismo</a>
                                </div>
                                <div class="a-expander-header a-expander-partial-collapse-header"><a href='' data-action="a-expander-toggle" class="a-declarative" data-a-expander-toggle="{&quot;allowLinkDefault&quot;:true, &quot;expand_prompt&quot;:&quot;Mostrar más&quot;, &quot;collapse_prompt&quot;:&quot;Mostrar menos&quot;}"><i class="a-icon a-icon-extender-expand"></i><span class="a-expander-prompt">Mostrar más</span></a></div>
                            </div>
                        </div>
                    </div>
                </div>
                <div id="returnPolicy_feature_div" data-feature-name="returnPolicy" data-template-name="returnPolicy" class="a-section a-spacing-none feature t-prnt t-full">
                </div>
                <div class="aw-campaigns"></div>
'''

Se pretende extraer las 4 etiquetas que contienen las clases a-size-base a-link-child breadcrumb-inline-links.

Por motivos que no vienen al caso, se considera que el documento HTML original está roto (por lo cual se descarta el uso de librerías de parseo como BeautifulSoup) y se plantea como solución el uso de expresiones regulares, de la siguiente manera:

>>> import re
>>> z = re.findall(r'^[^\n]+a-size-base a-link-child breadcrumb-inline-links[^\n]+$', texto)
>>> z
[]
>>>

El resultado que obtenemos es una lista vacía (no se encuentran coincidencias), pero cuando acudimos a un validador de expresiones regulares como éste, sí obtenemos el resultado esperado:

introducir la descripción de la imagen aquí

¿Por qué la expresión regular sí produce el resultado esperado en el validador, y no lo hace al ser implementada mediante el módulo re?

1 respuesta 1

3

No hay ningún malfuncionamiento, la causa de que no encuentre coincidencias es mucho más simple. El problema es que no tienes activado el modificador MULTILINES que el validador online tiene activado por defecto.

Esto hace que las anclas ^ y $ coincidan al principio y final de cada línea respectivamente, en lugar de comenzar y finalizar en la cadena completa.

import re


patt = re.compile(
    r'^[^\n]+a-size-base a-link-child breadcrumb-inline-links[^\n]+$',
    re.MULTILINE
    )
z = patt.findall(texto)
>>> z
['                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=\'\'>Tienda Kindle</a>',
 '                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=\'\'>eBooks Kindle</a>',
 '                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=\'\'>Deportes</a>',
 '                                    <a class="a-size-base a-link-child breadcrumb-inline-links" href=\'\'>Ciclismo</a>']
1
  • Ni se me pasaba por la cabeza que el resultado de aplicar una expresión regular dependiera de los modificadores y no de la expresión regular como tal. ¡Muchas gracias! el 3 abr. 2020 a las 11:27

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.