Python 如何使用正则表达式从HTML网页中提取信息？

如何使用正则表达式从这样的HTML网页中提取答案“这里是答案”

  <b>Last Question:</b>
  <b>Here is the answer</b>

最后一个问题：
这是答案

不要使用正则表达式解析HTML。如果您使用的不是格式良好的SGML/XML/HTML5，而是标记汤，则会加倍。使用HTML解析器，如

String html=“最后一个问题：这是答案”；
documentdocument=Jsoup.parse（html）；
元素secondBold=文档。选择（“b”）。获取（1）；
System.out.println（secondBold.text（））；//这是答案

---

Jsoup是基于Java的。对于其他编程语言，也可以使用HTML解析器。如果您使用的是C#，请查看。如果您使用的是PHP，请看一看（所有这些解析器都使用类似CSS3的选择器来选择元素，这简直太棒了）。

正如Charles所说，不要为此使用正则表达式；如果您使用的是PHP，我建议您使用内置的DOM解析功能，再加上XPath方法，这证明是非常可靠的

---

如果你比这更开放的话，我建议你使用jQuery通过Node.js来完成这项工作，我最近也做了很多，这让生活变得简单。

我知道不建议使用正则表达式来解析html，而是回答你的问题， 如果您正在使用php，simplehtmldom就是您的朋友

谢谢大家

由于我使用的是Python框架，下面是我使用BeautifulSoup的解决方案：

  response = opener.open(url)
  the_page = response.read()

  soup = BeautifulSoup(''.join(the_page))
  paraText1 = soup.body.find('div', 'div_id', text = u'Last Question:')

  if paraText1:
    answer = paraText1.next

最后一个问题：\\s*（*？）

或者，更详细地说

String x  ="<b>Last Question:</b>\n<b>Here is the answer</b>";
Pattern p = Pattern.compile("<b>Last Question:</b>\\s*(<b>.*?</b>)");
Matcher m = p.matcher(x);
if (m.find())
   System.out.println(m.group(1));

String x=“最后一个问题：\n答案是什么”；
模式p=Pattern.compile（“最后一个问题：\\s*（.*）”；
匹配器m=p.Matcher（x）；
if（m.find（））
系统输出println（m.group（1））；

---

当HTML或类似标记不存在或随机出现，而没有提供足够的上下文信息时，正则表达式仍然是一种选择。在这种情况下，我们需要研究人类语言中的一些词汇

“最后一个问题：答案在这里”中的HTML在哪里？你用什么编程语言实现正则表达式？相关：现在是2011年，这种问题仍然会再次出现..*唉*这很容易用正则表达式实现。

<b>Last Question:</b>\\s*(<b>.*?</b>)

String x  ="<b>Last Question:</b>\n<b>Here is the answer</b>";
Pattern p = Pattern.compile("<b>Last Question:</b>\\s*(<b>.*?</b>)");
Matcher m = p.matcher(x);
if (m.find())
   System.out.println(m.group(1));