Question

我有一个很大的HTML代码，我需要一些标签。

例如，我想打印所有以

开头的标签

< dev ........
....
... 

until < /dev>

因此，起始关键字为" < dev "，结束关键字为< /dev>。

我想用python 2.7脚本来打印标签，然后在代码之间直到最后一个单词< /dev>，我就有点卡在那里。

示例：

<div title="buyer-name">test
       <span class="item-price">ff</span> </div>

Answer 1

如果您要查找的字符串（“＆lt; dev”和“＆lt; / dev＆gt;”）是唯一的，您可以像这样使用.find()：

my_html = "..."
token_1 = "<div"
token_2 = "</div>"
start = my_html.find(token_1)
end   = my_html.find(token_2) + len(token_2) # in order to reach the last char in this closing tag

Answer 2

您可以使用BeautifulSoup：

from bs4 import BeautifulSoup
html_code = "<html>...</html>"
soup = BeautifulSoup(h)
mydivs = soup.findAll('div')
for div in mydivs:
    print(str(div))

如何获取部分HTML代码？

2 个答案: