Python 正则表达式网页答案

【问题标题】：Python Regular Expression WebpagePython 正则表达式网页
【发布时间】：2014-02-02 09:47:02
【问题描述】：

我需要帮助为网页编写正则表达式以提取一些数据。网页是： http://www.city-data.com/city/Addison-Texas.html

我想从这段 html 代码中返回“达拉斯”：

<a href="/county/Dallas_County-TX.html">Dallas County</a>
</p>
<b>Population in 2012:</b>

这是我到目前为止写的正则表达式，但它似乎不起作用。知道我做错了什么吗？

(">(.)/sCounty</a>\n</p>\n<b>Population in 2012:</b>")

【问题讨论】：

空格不是/s，而是\s。
我仍然收到同样的错误：Traceback (last last call last): File "", line 1, in IndexError: list index out of range
采取this question中的解决方案之一。您不想在 HTML 上使用正则表达式，因为正则表达式无法解析 HTML。
秘诀是永远不要使用正则表达式来解析 html。 stackoverflow.com/questions/1732348/…
(.) 匹配单个字符。

【解决方案1】：

好吧，解决它的另一种方法是使用split函数，而不是使用regex。

s.split('</a>')[0].split('>')[1].split(' ')[0]

应该返回你想要的答案。

但是，对于更复杂的 HTML，使用上述方法变得乏味。您可以改用HTMLParser 模块。

【讨论】：