Question

所以，我想用大量的HTML代码在Python中创建一个列表，但是我试图根据HTML标记将其拆分。我不熟悉正则表达式，所以我不知道如何解决这个问题。例如，我们说我有这段HTML代码：

<option value="674"> Example text here </option><option value="673"> Example text here</option><option value="672"> Example text here </option>

我希望能够将此代码（尽管它的版本大得多）保存到字符串中，然后使用函数返回如下列表：

list = ["Example text here", "Example text here", "Example text here"]

无论如何我可以这样做？

Answer 1

我同意@ roippi的评论，请使用HTML解析器。但是，如果您真的想使用正则表达式，则可以使用以下内容：

import re

s = '<option value="674"> Example text here </option><option value="673"> Example text here</option><option value="672"> Example text here </option>'

>>> print re.findall(r'>\s*([^<]+?)\s*<', s)
['Example text here', 'Example text here', 'Example text here']

Answer 2

您可以简单地使用BeautifulSoup来实现此目的。

import bs4

html = '''
<option value="674"> Example text here </option>
<option value="673"> Example text here</option>
<option value="672"> Example text here </option>
'''

soup  = bs4.BeautifulSoup(html)
mylst = [str(x.text).strip() for x in soup.find_all('option')]

输出

['Example text here', 'Example text here', 'Example text here']

正则表达式返回Python中的列表？

2 个答案: