在python中提取Span标记的内容

我想从中提取1包、4包礼品套装、1支带橡皮擦的铅笔，

[<span class="a-size-base">1 Pack</span>, <span class="a-size-base">4 Pack Gift Set</span>, <span class="a-size-base">1 Pencil with Erasers</span>, <span class="a-size-base">1 Pencil with Lead and Erasers</span>] 

[1包，4包礼品套装，1支带橡皮擦的铅笔，1支带铅和橡皮擦的铅笔]

在python中

---

谢谢

最简单的方法是使用Beautiful Soup，这是一个用于解析HTML的事实上的Python库。获取或使用

pip安装bs4

from bs4 import BeautifulSoup

string = '[<span class="a-size-base">1 Pack</span>, <span class="a-size-base">4 Pack Gift Set</span>, <span class="a-size-base">1 Pencil with Erasers</span>, <span class="a-size-base">1 Pencil with Lead and Erasers</span>]'

# Represent the string as a nested data structure
soup = BeautifulSoup(string, "html.parser")
# Find all <span> tags in the BeautifulSoup object
spans = soup.find_all('span')
# Get the text inside the <span> tags
print([span.text for span in spans])

使用标准库re（正则表达式操作）

重新导入
标签='1包，4包礼品套装，1支带橡皮擦的铅笔，1支带铅和橡皮擦的铅笔'
cleanr=re.compile（“”）
cleantext=re.sub（cleanr'，标记）
打印干净的文本

---

输出为：1包、4包礼品套装、1支带橡皮擦的铅笔、1支带铅和橡皮擦的铅笔

您能详细说明您的问题和数据结构吗？假设您的数据结构是字符串列表：

import re
l = ['<span class="a-size-base">1 Pack</span>', '<span class="a-size-base">4 Pack Gift Set</span>', '<span class="a-size-base">1 Pencil with Erasers</span>', '<span class="a-size-base">1 Pencil with Lead and Erasers</span>']
print([re.match(r'<([a-zA-Z]+).+>(.+)</\1>', i).group(2) for i in l])

重新导入
l=['1包'，'4包礼品套装'，'1支带橡皮擦的铅笔'，'1支带铅和橡皮擦的铅笔']
打印（[re.match（r'（.+）'，i）.group（2）表示l中的i]）

如果你想要答案，你必须提供一个问题。：）你能展示一下你试过的吗？

import re

tag = '<span class="a-size-base">1 Pack</span>, <span class="a-size-base">4 Pack Gift Set</span>, <span class="a-size-base">1 Pencil with Erasers</span>, <span class="a-size-base">1 Pencil with Lead and Erasers</span>'

cleanr = re.compile('<.*?>')
cleantext = re.sub(cleanr, '', tag)
print cleantext

import re
l = ['<span class="a-size-base">1 Pack</span>', '<span class="a-size-base">4 Pack Gift Set</span>', '<span class="a-size-base">1 Pencil with Erasers</span>', '<span class="a-size-base">1 Pencil with Lead and Erasers</span>']
print([re.match(r'<([a-zA-Z]+).+>(.+)</\1>', i).group(2) for i in l])