Как исправить это регулярное выражение?

Question

[Олег Правдин]

Здравствуйте. Написал такое регулярное выражение:
([^ =]+)=\"?([^ \"]+)\"?
Применяться будет на HTML коде (ищет пары параметр="значение"). Как дополнить это выражение так, чтобы оно искало только по тегам . Например некоторый код содержит фрагмент:
<input type="hidden" name="Sample" value="0">
Поиск должен вернуть имен и значений параметров type, name, value. Пытался сделать так:
<input(?: ?([^ =]+)=\"?([^ \"]+)\"?)+>
Однако получаю на выходе только последнюю пару, поэтому прошу помощи экспертов.

Answer 1

[abcd0x00]

Используй lxml.html для разбора html.

>>> import lxml.html
>>> 
>>> s = """<input type="hidden" name="Sample" value="0">"""
>>> 
>>> node = lxml.html.fromstring(s)
>>> node
<InputElement b74340ec name='Sample' type='hidden'>
>>> node.attrib
{'type': 'hidden', 'name': 'Sample', 'value': '0'}
>>>

Если же собрался использовать регулярки, то надо сделать в два этапа: 1) сначала выделить все нужные теги, которые будешь разбирать; 2) затем из выбранных тегов уже выбирать атрибуты. Возможно, понадобятся две регулярки (одна для выбора тегов, другая для выбора атрибутов), но это неважно. Главное, что у тебя разные задачи не должны сливаться в одной регулярке, так как это не только её усложнит (невозможно будет читать), но и приведёт к невидимым ошибкам, из-за которых оно в каких-то случаях будет неправильно разбираться и ты это сразу не заметишь.

Comments

[Alexej Simakov]

согласен, регулярка это ад. Сначала ее настроить потом перенастроить потом через три месяца вспомнить что это все значит. И тот кто будет после тебя, вспомнит нехорошим словом. Я считаю что это выпендреж и элитизм когда пытаются наворотить чтобы никто ничего не понимал. Ведь никто и никогда не догадается к регулярке комментарий приписать что она фильтрует. А вариант с lxml общедоступный и вполне очевидный.

Answer 2

[xmoonlight]

/\s+([^\s]+)=["']([^"']+)["']/g