简单几行代码提取html文件中全部指定标签内的文本

如有以下文件html.html:

想要提取全部标签内的文本,可使用如下Python代码:

import re

with open("html.html",'rU') as strf:

....str = strf.read()

res = r'(?).*?(?=)'

li = re.findall(res,str)

with open("new.txt","w") as wstr:

....for s in li:

........wstr.write(s)

........wstr.write(" ")

........print(s,' ')

正则表达式r'(?).*?(?=)中括号部分属于向后向前查找,相当于字符串作为边界进行查找。

运行后会将标签内的文本提取到文件new.txt:

来源网络,侵权联系删除

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190909A05ESY00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券