如何用Python解析HTML文件并获取标签之间的文本？

Question

可能是重复的问题：
在Python中解析HTML

我在网上搜索了很多，想用Python获取标签之间的文本。你们能帮我解释一下吗？

Answer 1

上面评论里提到的htmlparser可能是更可靠的选择。不过，如果你只需要处理一些简单的内容，而且这些内容是在特定的标签之间，你可以使用正则表达式。

import re
html = '<html><body><div id='blah-content'>Blah</div><div id='content-i-want'>good stuff</div></body></html>'
m = re.match(r'.*<div.*id=\'content-i-want\'.*>(.*?)</div>', html)
if m:
    print m.group(1) # Should print 'good stuff'

Answer 2

这里有一个使用BeautifulSoup来解析HTML的例子：

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup("""<html><body>
                        <div id="a" class="c1">
                            We want to get this
                        </div>
                        <div id="b">
                            We don't want to get this
                        </div></body></html>""")
print soup('div', id='a').text

这段代码的输出结果是

We want to get this

如何用Python解析HTML文件并获取标签之间的文本？

2 个回答

撰写回答