我正在尝试编写一个Python解析器，以从html页中提取一些信息。
它应该从<p itemprop="xxx">和之间提取文本</p>
我使用正则表达式：
m = re.search(ur'p>(?P<text>[^<]*)</p>', html)
但是如果它们之间是另一个标签，则无法解析文件。例如：
<p itemprop="xxx"> some text <br/> another text </p>
据我了解[^<]，只有一个符号是例外。如何写“除</p>”以外的所有内容？
您可以使用：
m = re.search(ur'p>(?P<text>.*?)</p>', html)
这是一个懒惰的匹配，它将匹配所有内容，直到为止</p>。您还应该考虑使用类似BeautifulSoup的HTML解析器，该解析器在安装后可以与CSS选择器一起使用，如下所示：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html)
m = soup.select('p[itemprop="xxx"]')
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句