Question

我正在尝试从Python中获取数据。数据的结构如下：

<item><type> data </type><code> data </code><length> data </length><data encoding=“base64”> data </data></item>

如何获取这些标签之间的数据？我已经编写了Base64解码器。

Answer 1

一种方法是使用lxml包并将原始数据视为html

from lxml import html

raw_data = '<item><type> data </type><code> data </code><length> data </length><data encoding=“base64”> data </data></item>'
html_data = html.fromstring(raw_data)

data = html_data.xpath('//text()')

# data = [' data ', ' data ', ' data ', ' data ']

可能有点矫枉过正，另一种方法是使用正则表达式

从https://kevin.deldycke.com/2008/07/python-ultimate-regular-expression-to-catch-html-tags/

复制的模式

import re

def get_data(text):
    pattern = "(?i)<\/?\w+((\s+\w+(\s*=\s*(?:\".*?\"|'.*?'|[^'\">\s]+))?)+\s*|\s*)\/?>"
    return re.sub(p, '', text).split()

text = '<item><type> data </type><code> data </code><length> data </length><data encoding=“base64”> data </data></item>'
print(get_data(text))

# ['data', 'data', 'data', 'data']

Python在标签之间获得子串

1 个答案: