使用python正则表达式从html文件中提取文本时出现问题

我正在做一个项目，需要我编写一些代码，从python中的html文件中提取一些文本

<tr>
<td>Target binary file name:</td>
<td class="right">Doc1.docx</td>
</tr>

^我编写的示例代码用于测试是否可以提取数据。 我已经编写了几个类似的程序来从txt文件中提取几乎完全相同的文本，它们工作得很好。关于正则表达式和html，我是否遗漏了什么

关于正则表达式和html，我是否遗漏了什么

对。您忽略了一个事实，即某些HTML不能用简单的正则表达式进行解析

关于正则表达式和html，我是否遗漏了什么

---

对。有些HTML不能用简单的正则表达式进行解析，这一点您没有注意到。

浏览器所理解的HTML对于正则表达式来说太灵活了。属性可以以任何标记、任何顺序、大写或小写、带引号或不带引号的值弹出。特别强调标记可以显示在任何地方。空格在正则表达式中很重要，但在HTML中却不太重要，因此正则表达式中到处都是

\s*

。没有要求开始标记与结束标记匹配。一些开始标记包括尾随的“/”，这意味着它们是空标记（无正文，无结束标记）。最后，HTML通常是嵌套的，就正则表达式而言，这几乎是不可能的。

浏览器理解的HTML对于正则表达式来说太灵活了。属性可以以任何标记、任何顺序、大写或小写、带引号或不带引号的值弹出。特别强调标记可以显示在任何地方。空格在正则表达式中很重要，但在HTML中却不太重要，因此正则表达式中到处都是

\s*

。没有要求开始标记与结束标记匹配。一些开始标记包括尾随的“/”，这意味着它们是空标记（无正文，无结束标记）。最后，HTML通常是嵌套的，就正则表达式而言，这几乎是不可能的。

这是您真正想要做的，还是稍后更复杂的正则表达式的一个简单示例？如果是后者，请听取其他人的意见。如果前者：

for line in file:
      if "binary" in line:
            # do stuff

---

如果不起作用，您确定文件中有“二进制文件”吗？不，我不知道，

“binary”

？

这是您真正想要做的，还是只是稍后更复杂的正则表达式的一个简单示例？如果是后者，请听取其他人的意见。如果前者：

for line in file:
      if "binary" in line:
            # do stuff

---

如果不起作用，您确定文件中有“二进制文件”吗？不，我不知道，

“binary”

？

请，@deinst，很好的链接，读到它我笑了@哦，这是非常正确的观点。你不应该用正则表达式解析html。试试lxml或BeautifulSoup的魔力，你就再也不想回到regex了。最近的一个问题涉及如何使用BeautifulSoup做一些非常类似的事情：谢谢你推荐lxml Daniel，我来看看@博宾斯：谢谢你的链接！求求你，@deinst，伟大的链接，读到它我笑了@哦，这是非常正确的观点。你不应该用正则表达式解析html。试试lxml或BeautifulSoup的魔力，你就再也不想回到regex了。最近的一个问题涉及如何使用BeautifulSoup做一些非常类似的事情：谢谢你推荐lxml Daniel，我来看看@博宾斯：谢谢你的链接！哎哟我在想，上面的内容很简单，因为我搜索的唯一内容就是“二进制”这个词。虽然我知道使用正则表达式来处理html不是一个好主意，但在这种情况下，我不明白为什么正则表达式不匹配，因为我根本没有处理标记。@m Rubern C:你不能忽略标记。如果你的“二进制”是

binary

怎么办？哎哟。我在想，上面的内容很简单，因为我搜索的唯一内容就是“二进制”这个词。虽然我知道使用正则表达式来处理html不是一个好主意，但在这种情况下，我不明白为什么正则表达式不匹配，因为我根本没有处理标记。@m Rubern C:你不能忽略标记。如果你的“二进制”是

binary

怎么办？我本来打算用regex来解析并尝试编写简单的示例来测试，但我被说服了。我确信它看起来像是目标二进制文件名：只是不明白为什么它不起作用。我计划使用正则表达式进行解析，并尝试编写简单的示例进行测试，但我确信不是这样。我敢肯定它看起来像目标二进制文件名：只是不明白为什么它不起作用。