如何使用python转换html数据

Question

我正在寻找建议，因为我是python的新手。

让我们假设我有多个类似于以下数据块的数据块：

<td> <a href="address.com" title=title">some title</a> <br /> aaa<br /> bbb<br /> ccc</td>

有时br的数量不同，并且对于所有块都不是常数。

我的目的是从td块内部提取数据到文件但是我卡在这里。

这里的正则表达式是最好的方法吗？

提前谢谢。

Answer 1

使用像BeautifulSoup（pip install beautifulsoup4）这样的HTML解析器解析HTML：

from bs4 import BeautifulSoup

html = """
<td> <a href="address.com" title=title">some title</a> <br /> aaa<br /> bbb<br /> ccc</td>
"""

soup = BeautifulSoup(html)

for td in soup.find_all('td'):
    print(td.get_text())

结果：

 some title  aaa bbb ccc