什么是正则表达式，用于在＆gt;之间查找字符串和＆lt;

Question

我有一个HTML文件

 ...<b>Breakfast</b><hr>...

我希望Breakfast介于>和<之间。

我试过

...for test_string in line:
        if re.match(r'(>.*<$)',test_string):...

这也没有给>Breakfast<。

谢谢。

Answer 1

一般来说正则表达式无法解析html。您可以使用html解析器：

from BeautifulSoup import BeautifulSoup # pip install BeautifulSoup

html = """...<b>Breakfast</b><hr>..."""

soup = BeautifulSoup(html)
print soup(text=True) # get all text
# -> [u'...', u'Breakfast', u'...']
print [b.text for b in soup('b')] # get all text for <b> tags
# -> [u'Breakfast']

Answer 2

$表示“输入结束”，不属于此正则表达式。

相反，请执行以下操作：

m = re.search(r'>([^<]*)<', test_string)
if m:
    print m.group(1)

这会搜索>，然后搜索以下不是<的所有字符，然后搜索<。 >和<之间的字符标记为一个组，您可以使用m.group(1)

Answer 3

我想你想要：

r'(>.*?<)'

或者

r'<b(>.*?<)/b>'

非贪婪，在字符串中间匹配。请注意，parsing HTML with regular expressions不是很强大。