抓取 HTML 标签之间的字符串答案

【问题标题】：Grab string between HTML tags抓取 HTML 标签之间的字符串
【发布时间】：2020-07-17 10:38:06
【问题描述】：

我有一长串 HTML 代码。我正在寻找两个特定标签之间的所有文本：<row> 和 </row>

例如：

str = "<row> hello, this is an example </row> more example text <row> even more </row>

想要的输出：

new_list = ['hello, this is an example', 'even more']

提前致谢！

【问题讨论】：

标签： python string text split

【解决方案1】：

你可以用 re 来捕捉行标签之间的文本：

import re


str = "<row> hello, this is an example </row> more example text <row> even more </row>"
test=re.findall('<row>(.*?)</row>',str)
print(test)

结果：

[' hello, this is an example ', ' even more ']

【讨论】：

标签嵌套时会发生什么？众所周知，您无法使用正则表达式解析 HTML。请不要为复杂的解析问题提供正则表达式答案，至少要解决这些限制。

【解决方案2】：

使用HTML parser library：

import bs4

s = "<row> hello, this is an example </row> more example text <row> even more </row>"
soup = bs4.BeautifulSoup(s)
result = [str(x) for x in soup.find_all('row')]

与基于纯标记化的答案不同（例如，通过正则表达式），当 HTML 标记嵌套时，这将继续有效。

【讨论】：