Question

正则表达式匹配

开头
内容1
内容1
结束
内容2
内容2
结束
内容3
内容3
结束
内容4
内容4
结束
取开头和结束之间的内容，但结束可以出现一次，即：
内容1
内容1
结束
内容2
内容2

Answer 1

一般情况下可以这样匹配中文，如图：<img src="https://pic4.zhimg.com/50/edcbd2faf1a916675cec852bd886e599_hd.jpg" data-rawwidth="827" data-rawheight="600" class="origin_image zh-lightbox-thumb" width="827" data-original="https://pic4.zhimg.com/edcbd2faf1a916675cec852bd886e599_r.jpg">

先用靓汤或正则找到这个节点，再用上面的字符组匹配。
假设这个节点只有一个，用法如下：

import reimport requests as reqfrom bs4 import BeautifulSoupurl = 'xxx'html = req.get(url).textbs = BeautifulSoup(html)span = bs.find_all('span', 'pro-title')'''span = re.findall('<span\sclass="pro-title">[^<]+</span>', html)s = span[0]m = re.findall('[\u4e00-\u9fa5]+', s)'''s = str(span)m = re.findall('[\u4e00-\u9fa5]+', s)print(m)

Answer 2

正则表达式：开头.*?结束.*?结束|开头.*?结束

因为你给的示例是有换行的，所以正则匹配的时候注意设置单行模式

java 单行模式示例

Pattern pattern = Pattern.compile("开头.*?结束.*?结束|开头.*?结束", Pattern.DOTALL);

因为js没有单行模式，可以使用[\d\D]或[\w\W]或[\s\S]代替.来解决

var reg = /开头[\d\D]*?结束[\d\D]*?结束|开头[\d\D]*?结束/;