如何使用 lxml 或 bs 获取尖括号中的文本答案

【问题标题】：How to get text in angle brackets with lxml or bs如何使用 lxml 或 bs 获取尖括号中的文本
【发布时间】：2017-06-08 08:33:37
【问题描述】：

我想提取尖括号中的文本，例如：

<p><verb></p>

结果应该是<verb>。

lxml 和 bs4 在这种情况下不起作用，它们似乎将 <verb> 作为 html 标记。他们无法解析尖括号中的文本，只能返回空字符串。

那么，有什么解决办法吗？ THX！

【问题讨论】：

这些库做正确的事。 XML 文档中尖括号中的单词是 not 文本，它是一个元素。如果您想使用 XML 解析器解析您的文档，请适当地使用 XML 语法（这里，要获得您想要的结果，应该是 <p>&lt;verb&gt;</p>。
你也可以使用regex
@spectras 实际上，我不是网页构建者。构建器并不意味着将其作为 HTML 标记，并使用尖括号而不是 &lt 或 &gt 只是为了简单起见。我认为库应该检查标签的合法性。我只想提取它，它位于许多 p 标签中。缺少的文本对于构建后续文本很重要。
@SimmerChan> 标签是合法的。 XML 允许文档中的任意元素。当您说 “构建器并不意味着将其作为 HTML 标记并使用尖括号而不是 &lt 或 &gt 只是为了简单”，您只是说构建器使用的语法看起来像 HTML，但不是 HTML。难怪 HTML 解析器不会给出您想要的结果：您不再解析 HTML，而是看起来像它的自定义语言。这就像在您的问题中写 **this** 并抱怨网站将其视为粗体，而您的意思是原始星号。

【解决方案1】：

这个怎么样？

import re
my_str = "<p><verb></p>"
my_new_string = re.sub('[\<p\>|\<\/p\>]', '', my_str)
print my_new_string

输出：动词

【讨论】：

其实我不想用re。示例 p 标记位于多个 p 标记中，这意味着我必须找到示例 p 标记，然后使用 re。我只是想知道我是否可以使用其他普通 p 标签处理示例 p 标签，使用一致的方法而不是不同的策略。THX！离开