如何将HTML列表条目提取到Python列表中？

可能重复：

我有一长串类似于以下内容的HTML：

<ul>
<li><a href="/a/long/link">Class1</a></li>
<li><a href="/another/link">Class2</a></li>
<li><img src="/image/location" border="0">Class3</a></li>
</ul>

等等

我该怎么做呢？我尝试过使用REs，但是我还没有找到一个有效的方法。当然，只有8个类，我可以很容易地手动完成，但我还有几个HTML文档可以从中提取数据

---

谢谢！：）

如果所有的行尾都相同，可以尝试使用如下正则表达式

re.compile(r'^<li><.*>(.*)</a></li>$')

重新编译（r'^

（.*）

$）

---

如果您希望文件的可变性比示例中的要大得多，那么像HTML解析器这样的东西可能会更好。

这应该是可行的，但可以将其视为一种快速而丑陋的攻击

>>hdata=“”

…

…

第三类
“…
”
>>>进口稀土
>>>lire=re.compile（r'
*？>（.*？）检查lxml（pip安装lxml）。您可能想做更多的研究，但实际上可以归结为以下内容：

from lxml import etree

tree = etree.HTML(page_source)
def parse_list(xpath):
    ul = tree.xpath(xpath)
    return [child.text for child in ul.getchildren()]

如果您想要一个HTMLParserTry BeautilSoup的示例，请查看文档：
soup=BeautilSoup（html）；soup2.findAll（“li”，text=True）；
，它将返回所有类名。另请参见。谢谢！我确实使用了Beautiful Soup将列表与HTML文档的其余部分隔离，但不确定如何进一步。我将查看它：）
>>> hdata = """<ul>
... <li><a href="/a/long/link">Class1</a></li>
... <li><a href="/another/link">Class2</a></li>
... <li><img src="/image/location" border="0">Class3</a></li>
... </ul>"""
>>> import re
>>> lire = re.compile(r'<li>.*?>(.*?)<.*')
>>> [lire.search(x).groups()[0] for x in hdata.splitlines() if lire.search(x)]
    ['Class1', 'Class2', 'Class3']

from lxml import etree

tree = etree.HTML(page_source)
def parse_list(xpath):
    ul = tree.xpath(xpath)
    return [child.text for child in ul.getchildren()]