从嘈杂的字符串中提取文本。。python

我有一些html文档，我想从中提取一个非常特殊的文本。 现在，此文本始终位于

<div class = "fix">text </div>

文本

现在，有时发生的是。。。还有其他的开场白……比如：

 <div class = "fix"> part of text <div something> other text </div> some more text </div>

部分文本其他文本更多文本

现在。。我想提取所有对应的文本

 <div class = "fix">                     </div> markups??

标记？？

---

我该怎么做

这里有一个非常简单的解决方案，它使用非贪婪正则表达式删除所有html标记：

import re
s =  "<div class = \"fix\"> part of text <div something> other text </div> some more text </div>"
s_text = re.sub(r'<.*?>', '', s)

重新导入
s=“部分文本其他文本更多文本”
s_text=re.sub（r''，''，s）

然后，值为：

print(s)
<div class = "fix"> part of text <div something> other text </div> some more text </div>
print(s_text)
 part of text  other text  some more text

打印
部分文本其他文本更多文本
打印（s_文本）
部分文本其他文本更多文本

这里有一个非常简单的解决方案，它使用非贪婪的正则表达式删除所有html标记：

import re
s =  "<div class = \"fix\"> part of text <div something> other text </div> some more text </div>"
s_text = re.sub(r'<.*?>', '', s)

重新导入
s=“部分文本其他文本更多文本”
s_text=re.sub（r''，''，s）

然后，值为：

print(s)
<div class = "fix"> part of text <div something> other text </div> some more text </div>
print(s_text)
 part of text  other text  some more text

打印
部分文本其他文本更多文本
打印（s_文本）
部分文本其他文本更多文本

我会使用这些库。它们是为此而构建的，只要您的数据是正确的html，它就会准确地找到您要查找的内容。他们有相当好的文档，而且非常直接，即使对于初学者也是如此。如果您的文件在web上的某个地方无法访问直接html，请使用urllib获取html

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)
soup.find({"class":"fix"})

如果有多个项目，请改用“全部查找”。这应该给你你想要的（大致）

编辑：固定示例（类是一个关键字，因此不能使用通常的（attr=“blah”）

我会使用这些库。它们是为此而构建的，只要你的数据是正确的html，它就会准确地找到你要找的内容。它们有相当好的文档，而且非常简单，即使对于初学者也是如此。如果你的文件在web上的某个地方，你无法访问直接的html，请使用url获取html自由党

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)
soup.find({"class":"fix"})

如果有不止一个项目，使用find_all代替。这会给出你想要的（大致）

---

编辑：固定示例（类是一个关键字，因此不能使用通常的（attr=“blah”）

您的意思是

document.getElementById（'fix'））.innerText

或只保留第一个

之前的文本，而不考虑DOM？为什么不使用像BeautifulSoup这样的html解析器？@Greg:是的，我现在正在研究它的示例。我不知道它。你的意思是

document.getElementById（'fix'））.innerText

或只保留第一个

之前的文本，而不考虑DOM？为什么不使用像BeautifulSoup这样的html解析器？@Greg:是的，我现在正在查看它的示例。我不知道ITI，我得到了错误text=soup.find（class=“fix”）语法错误：语法无效，指针指向最后一个“s”在类中？您好，我得到了错误文本=soup.find（class=“fix”）SyntaxError:指针指向类中最后一个“s”的无效语法？