Python 从标记之间提取文本的有效方法

假设我有这样的东西：

var = '<li> <a href="/...html">Energy</a>
      <ul>
      <li> <a href="/...html">Coal</a> </li>
      <li> <a href="/...html">Oil </a> </li>
      <li> <a href="/...html">Carbon</a> </li>
      <li> <a href="/...html">Oxygen</a> </li'

re.findall('(?<=>)([^<]+)(?=</a>[^<]*</li)', var, re.S)

var='





从标记语言中提取信息的推荐方法是使用解析器，例如，这是一个不错的选择。对于这一点，它不是适合这项工作的工具
 如果您想使用正则表达式（有些人认为这是解析HTML/XML的罪过），可以尝试以下方法：

var = '<li> <a href="/...html">Energy</a>
      <ul>
      <li> <a href="/...html">Coal</a> </li>
      <li> <a href="/...html">Oil </a> </li>
      <li> <a href="/...html">Carbon</a> </li>
      <li> <a href="/...html">Oxygen</a> </li'

re.findall('(?<=>)([^<]+)(?=</a>[^<]*</li)', var, re.S)

re.findall（'（？）（[^如果您只是在解析标记内部的内容之后，请尝试使用xpath，例如

for text in var.xpath_all(".//ul/li"):
     text = li.xpath('.//a/text()')
     print text

您还可以使用urllib、BeautifulSoup等。
您可以使用它，它非常适合此类任务。它非常简单，易于安装，并且有大量文档

您的示例中有一些未关闭的li标记。我已经进行了更正，这是获取所有li标记的方法

from bs4 import BeautifulSoup

var = '''<li> <a href="/...html">Energy</a></li>
    <ul>
    <li><a href="/...html">Coal</a></li>
    <li><a href="/...html">Oil </a></li>
    <li><a href="/...html">Carbon</a></li>
    <li><a href="/...html">Oxygen</a></li>'''

soup = BeautifulSoup(var)

for a in soup.find_all('a'):
  print a.string

从bs4导入美化组
var='''





''
汤=美汤（var）
对于汤中的a。查找所有（'a'）：
打印字符串

它将打印：

能量

辅酶A

油

碳

氧气

有关文档和更多示例，请参见BeautifulSoup
这不是故意使用的正确html吗？最后一个
li
标记没有关闭，您忘记了第一个标记中的关闭标记，并且像这样没有关闭
ul
标记…这是故意的吗？两个“最佳”和“最有效”都是非常模糊的术语…因此可能在行中属于，
var.findall（text=True）
？