python 正则表达式疑问

[mrbrooks]

<td>数据：</td>
<td><img src="/123/abc.jpg" border="0" /></td>



<td>(.+?)</td> 可以匹配td之间的数据，比如上面的“数据：”
现在我想匹配上面的“数据：” 以及 “/123/abc.jpg”

我的理解是()得到想要的数据，然后 | 做类似的或操作
如果需要能匹配a模式或者b模式的，是不是应该这样 ((a)|(b))
也就是这样：
<td>((.+?)|<img src="(.+?)" border="0" />)</td>

但是经过测试达不到我想要的效果。
麻烦哪位大侠解答下，谢谢！

[cloverstd]

你是想匹配得到 “数据” 和 “/123/abc.jpg” 吗？

[woshifyz]

你这个有两个问题，
第一：在选择条件外加捕获括号，这样会捕获外面的分组，改成(?:
第二：正则匹配分支条件是短路的，A|B，如果A可以匹配，不会匹配B，
所以你的匹配可以改为：<td>(?:<img src="(.+?)" border="0" />|?:(.+?))</td>
大概就是这个样子，没经过测试，你调试下应该就好了

[woshifyz]

...好吧，测过发现错了，
如果 <td>(?:<img src="(.+?)" border="0" />|(.+?))</td> ,这样的话，可以都匹配，但是当匹配 “数据” 时会有空分组，上面一个回答多了个？：

[mrbrooks]

@cloverstd 对的。

[mrbrooks]

@woshifyz 非常感谢， 你的这个方法可以，呵呵，但是跟你说的一样有空的分组。这个问题，或者不用这样的方法，有没有其他更方便的？

[oldman]

这种情况下我一般是先将<td></td>内的内容match下来，然后再取"/123/abc.jpg"（“数据”自然就会被略过了），自我感觉这样清晰一些，不知道这样是否可以满足LZ的需求

[Kabie]

http://stackoverflow.com/a/1732454/260985
请用lxml……
或者你不会xpath可以用pyquery提供的api
https://pypi.python.org/pypi/pyquery