Question

我从网站上获取了这个HTML标记：

<ul><li>Some Keys in the UL List</li>
</ul>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description</li>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description\Microsoft</li>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description\Microsoft\Rpc</li>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description\Microsoft\Rpc\UuidTemporaryData</li>
</ul></ul>

<ul><li>Some objects in the UL LIST</li>
</ul>
<li>_SHuassist.mtx</li>
<li>MuteX.mtx</li>
<li>Something.mtx</li>
<li>Default.mtx</li>
<li>3$5.mtx</li>
</ul></ul>

如何获取<li>标记之间的行（<ul>标记之间的文本）。他们当时没有任何类别。

我对BeautifulSoup和Regex不太了解。

我希望这个结果为例：

<li>_SHuassist.mtx</li>
<li>MuteX.mtx</li>
<li>Something.mtx</li>
<li>Default.mtx</li>
<li>3$5.mtx</li>

Answer 1

使用BeautifulSoup：

>>> html = textabove
>>> from bs4 import BeautifulSoup as BS
>>> soup = BS(html)
>>> for ultag in soup.findAll('ul'):
...     for litag in ultag.findAll('li'):
...         print litag.text

打印哪些：

Some Keys in the UL List
Some objects in the UL LIST

获取后者<li>标记：

>>> for litag in soup.findAll('li'):
...     if litag.text.endswith('.mtx'):
...         print litag
...         
<li>_SHuassist.mtx</li>
<li>MuteX.mtx</li>
<li>Something.mtx</li>
<li>Default.mtx</li>
<li>3$5.mtx</li>

Answer 2

你不需要使用正则表达式来看看python的HTMLParser

Answer 3

soup.find（text ='UL LIST中的某些对象'）。findNext（'ul'）。findAll（'li'）

谢谢@Haidro，你让我得到一些想法和搜索，感谢你的帮助和时间。

如何在python </ul> </li>中使用正则表达式获取多行<li>以下<ul>标记

3 个答案: