如何从python中的字符串中提取某些信息？

我试图使用python从html代码中提取某些信息。 例如：

<a href="#tips">Visit the Useful Tips Section</a> 
and I would like to get result : Visit the Useful Tips Section

<div id="menu" style="background-color:#FFD700;height:200px;width:100px;float:left;">
<b>Menu</b><br />
HTML<br />
CSS<br />
and I would like to get Menu HTML CSS

我想得到一个结果：访问有用的提示部分
菜单

HTML

CSS

我想得到菜单HTML CSS

换句话说，我希望得到到之间的一切

---

我试图编写一个python函数，将html代码作为字符串，然后从中提取信息。我卡在string.split（'您应该使用适当的HTML解析库，例如模块。

您应该使用适当的HTML解析库，例如模块。

string=''
re.findall（']*>（.*]*>'，string）//return“访问有用的提示部分”

string=''
re.findall（']*>（.*]*>'，string）//return“访问有用的提示部分”

我知道您试图去掉HTML标记，只保留文本

可以定义表示标记的正则表达式。 然后用空字符串替换所有匹配项

例如：

def remove_html_tags(data):
    p = re.compile(r'<.*?>')
    return p.sub('', data)

def删除html标签（数据）：
p=重新编译（r“”）
返回p.sub（“”，数据）

参考资料：

---

我知道您试图去掉HTML标记，只保留文本

可以定义表示标记的正则表达式。 然后用空字符串替换所有匹配项

例如：

def remove_html_tags(data):
    p = re.compile(r'<.*?>')
    return p.sub('', data)

def删除html标签（数据）：
p=重新编译（r“”）
返回p.sub（“”，数据）

参考资料：

您可以使用html解析器

>>> import lxml.html as lh
>>> st = ''' load your above html content into a string '''
>>> d = lh.fromstring(st)
>>> d.text_content()

'Visit the Useful Tips Section \nand I would like to get result : Visit the Useful Tips Section\n\n\nMenu\nHTML\nCSS\nand I would
like to get Menu HTML CSS\n'

或者你可以

>>> for content in d.text_content().split("\n"):
...     if content:
...             print content
...
Visit the Useful Tips Section
and I would like to get result : Visit the Useful Tips Section
Menu
HTML
CSS
and I would like to get Menu HTML CSS
>>>

您可以使用html解析器

>>> import lxml.html as lh
>>> st = ''' load your above html content into a string '''
>>> d = lh.fromstring(st)
>>> d.text_content()

'Visit the Useful Tips Section \nand I would like to get result : Visit the Useful Tips Section\n\n\nMenu\nHTML\nCSS\nand I would
like to get Menu HTML CSS\n'

或者你可以

>>> for content in d.text_content().split("\n"):
...     if content:
...             print content
...
Visit the Useful Tips Section
and I would like to get result : Visit the Useful Tips Section
Menu
HTML
CSS
and I would like to get Menu HTML CSS
>>>

---

我会使用-格式错误的html会让它变得不那么古怪。

我会使用-格式错误的html会让它变得不那么古怪。

你试过使用任何html解析库吗？或者你可以通过删除所有标记来处理文件（不过使用

标记有点棘手）。您是否尝试过使用任何HTML解析库？或者您可以通过删除所有标记来实际处理文件（不过使用

标记有点棘手）@lazyr:取决于上下文…如果您对标记结构了解得足够多并且没有歧义，那么一个简单的regexp可以比一个完整的HTML解析器以更少的开销工作。但是您确实必须知道regexp何时可以使用，何时可以使用HTML解析器…@lazyr:取决于上下文…如果您对标记结构并且没有歧义，一个简单的regexp可以比一个完整的HTML解析器以更少的开销工作。但是你确实必须知道regexp什么时候可以，什么时候可以使用HTML解析器。。。