在python中查找两个标签html之间的所有内容答案

【问题标题】：Find everything between two tags html in python在python中查找两个标签html之间的所有内容
【发布时间】：2020-02-05 04:56:22
【问题描述】：

我想要在 中包含关键字的标题之后的第一个列表<ul> 中获取文本，如下所示：

<b> anything </b>
<p> KEYWORD </p> 
<b> anything </b>
<b> anything KEYWORD anything </b> #this is the title that I want
<some tag> anything <some tag>
<ul> 
# this is the TEXT what I want 
</ul>

我想要的是 RE 只考虑第三个  中的文本，但我写的 RE 得到第一个 、 的关键字和第二个 。

那是我的回复： re.search(r'.*?(' + keyword + ').*?.*?<ul>(.*?)</ul>')

谁能帮帮我？

【问题讨论】：

HTML 解析器不会更有效地解决这个问题吗？
Python Regex - find string between html tags的可能重复
@ObsidianAge 我也在使用 HTML 解析器，但在这部分我必须使用正则表达式。关于重复，这不完全是我的问题，在另一个解决方案中，他们没有考虑多个相等的标签，这正是我的问题。

标签： python regex

【解决方案1】：

如果这只是文字，请像这样关注内部..

(?is)(?:(?!</?b>).)*?(keyword)(?:(?!</?b>).)*?.*?<ul>\s*(.*?)\s*</ul>

https://regex101.com/r/3WwDXM/1

展开

 (?is)

 <b>
 (?: (?! </?b> ) .)*?
 ( keyword )                   # (1)
 (?: (?! </?b> ) .)*?
 </b> 

 .*? 

 <ul> \s* 
 ( .*? )                       # (2)
 \s* </ul>

【讨论】：

嗨，我尝试了你的解决方案，但它仍然得到错误的标签
在我的例子中，关键字是一组OR，即：keyword = keyword1|keyword2|keyword3。你认为这可能是它出错的原因吗？
'(?is)(?:(?!</?b>).)*?(' + keywords+ ')(?:(?!</?b>).)*?.*?<ul>\s*(.*?)\s*</ul>'

【解决方案2】：

也许，这会做你想要提取的：

from bs4 import BeautifulSoup

html = '''
<b> anything </b>
<p> KEYWORD </p>
<b> anything </b>
<b> anything KEYWORD anything </b> #this is the title that I want
<some tag> anything <some tag>
<ul>
# this is the TEXT what I want
</ul>

<ul>
# this is not the TEXT what I want
</ul>

'''

soup = BeautifulSoup(html, 'html.parser')


b_tags = soup.findAll('b')
ul_tag = soup.find('ul')

desired_keyword = 'KEYWORD'

for b in b_tags:
    if desired_keyword in b.text:
        print(ul_tag.text.strip())

输出

# this is the TEXT what I want

【讨论】：

嗨，艾玛！那不正是我需要的。我必须从这些列表中提取的一组文本不只有一个列表。这就是为什么我必须先找到标题，然后才能获得列表
谢谢你，艾玛！这不完全是我的想法，但你的代码可以帮助我以不同的方式解决它