【发布时间】：2018-10-03 08:22:01
【问题描述】：
我正在用 BeautifulSoup4 解析一个网站，并尝试在一个看起来像 tag1, tag2, tag with space, tag-with-hypen, tag3 的页面上显示一个 div 中的标签列表。有足够广泛的标签变化，我无法直接定位它们。尽管我尽了最大努力，但我还是无法创建适合我需要的正则表达式。
我尝试过的一些表达方式：
r'((\w[ -]?)+(, )?){14,}'
r'(\w+):([^:]+)(?:,|$)' # https://stackoverflow.com/a/35495165/3722806
我在这里错过了什么？
编辑：澄清一下，我不是在处理像<b> 这样的HTML 标签。我在处理“科幻”、“非小说”意义上的标签”等。
【问题讨论】：
-
...用空格标记...。您确定 HTML 标记可能包含空格吗？在这种情况下，浏览器如何知道它是标签的第二部分，而不是属性？分享源代码示例和当前/期望的输出
-
这不太可能是@Andersson 提到的标签。 请，请不要使用正则表达式解析 HTML。但如果你这样做，你就活在罪恶的状态中，无论发生在你身上的事都是应得的。人们已经对此提出警告。只解析属性就可以了。与我们分享一个 HTML 示例。
-
我没有用正则表达式解析 HTML 本身，我正在尝试从页面的（由 div 类知道的）部分提取文本。所以有一个
div.info，其中包含例如描述段落、作者信息和一系列标签（即“非小说”、“科幻”等）。然而，所有这些文本都在一个“块”中，可以这么说，所以我试图提取 just 标签列表。 -
请用您尝试从中提取“标签”的
div更新您的问题。 -
至少给我们一张内容“标签”的截图
标签： python regex beautifulsoup