Discussion :

[magicvinni]

Bonjour,

J'ai une page HTML, et je cherche à récupérer mot_1, mot_2, ....mot_n qui se trouvent entre les balises <a.....> et </a>.
Ma page est ainsi : blabla<a.....>mot1</a>blabla<a.....>mot2</a>blabla<a.....>mot3</a>blabla......

J'ai écris ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

expr = re.findall('<a.*>(.*)</a>',html)

mais évidemment il ne récupère que le dernier mot, je ne trouve pas comment indiquer qu'il doit s'arrêter au premier > qu'il rencontre
Si quelqu'un a une idée simple (je l'ai fait à la main avec une boucle et un html.find, mais j'aimerai le faire avec une expression régulière)

Merci,
Vincent

[bistouille]

Salut.

Il faut inverser la tendance à la gourmandise, cela se fait avec re en utilisant *?.

Ton expression devrait alors être du style.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

liste = re.findall('<a.*?>(.*?)</a>', html)

Attention, cela pourrait poser problème si tu as des balises html entre les balises a, comme des images par exemple, à toi de voir pour filtrer via l'expression, ou après récupération de la liste.

[magicvinni]

Super, c'est exactement ce que je cherchais, je ne connaissais pas cet opérateur.

Merci,
Vincent