用Python正则表达式解析HTML

我不熟悉使用Python正则表达式。我试图从HTML中提取一些数据，但不确定正确的语法是什么

我得到了以下数据，我想提取数据出生日期='1969年7月4日'，家乡='新泽西州柯尔斯颈部'，学院='1991年宾夕法尼亚州立大学'，研究生='1996年弗吉尼亚州'

data = <b>Birthdate:</b> July 4, 1969<br/><b>Hometown:</b> Colts Neck, N.J.<br/><b>College:</b> Penn State, 1991<br/><b>Post-graduate:</b> Virginia, 1996</td></tr></table>
Birthdate = re.findall(r'<b>Birthdate:</b>(.*)<br/>', data)
Hometown = re.findall(r'<b>Hometown:></b>(.*)<br/>', data)
College = re.findall(r'<b>College:</b>(.*)<br/>, data)
Post-graduate = re.findall(r,<b>Post-graduate:</b>(.*)<td/>, data)

data=出生日期：1969年7月4日
家乡：新泽西州科尔茨内克
学院：宾夕法尼亚州立大学，1991年
研究生：弗吉尼亚州，1996年
Birthdate=re.findall（r'Birthdate:（.*）
，数据）
家乡=re.findall（r'homely:>（.*）
，数据）
学院=re.findall（r'College:（.*）
，数据）
研究生=r.findall（r，研究生：（*），数据）

诚然，我在这里没有正确地使用re.findall或通配符

（.*）

，因为我得到了一个返回的字符串，该字符串从我想要的值开始，到最后一个
标记的数据末尾。我想使用一个函数在我定义的模式之间提取数据

---

<代码>（.*）< /代码>在这个例子中。

如果您想使用<代码>正则表达式> /代码>，那么您可以考虑这一点，

>>> import re
>>> s = '''data = <b>Birthdate:</b> July 4, 1969<br/><b>Hometown:</b> Colts Neck, N.J.<br/><b>College:</b> Penn State, 1991<br/><b>Post-graduate:</b> Virginia, 1996</td></tr></table>'''
>>> dict(re.findall(r'<b>([^:]*):</b> *([^<]*)', s))
{'Hometown': 'Colts Neck, N.J.', 'Birthdate': 'July 4, 1969', 'College': 'Penn State, 1991', 'Post-graduate': 'Virginia, 1996'}

>>重新导入
>>>s=''数据=出生日期：1969年7月4日
家乡：新泽西州小马脖子
学院：宾夕法尼亚州立大学，1991年
研究生：弗吉尼亚州，1996年''
>>>dict（re.findall（r'（[^:]*）：*（[^来吧，有很多HTML解析器。不要为此使用正则表达式。选择一个HTML解析器。正则表达式注定会被浏览器被迫使用的非标准HTML所破坏。另请参阅“tidy”，作为筛选器，如果您选择的语法分析器不起作用。感谢您的帮助。此re.findall和到字典的转换对于我需要做的工作非常有效。将来对这种类型的语法分析器使用哪些更好的库？将来使用BeautifulSoup语法分析器。