使用 HTMLParser & Python2.7 从 html 中提取字符串答案

【问题标题】：extracting a string from html using HTMLParser & Python2.7使用 HTMLParser & Python2.7 从 html 中提取字符串
【发布时间】：2017-07-31 22:24:38
【问题描述】：

我正在开发一项 Alexa 技能，因此，我有可供我们使用的标准 Python (2.7) 库。因此，我没有可以使用的 BeautifulSoup4。

我正在尝试在完整的 HTML 页面中识别以下字符串，然后从以下内容中提取字符串“104 个空格”。 “104 个空格”是一个变量，但其他代码保持不变：-

<p class="jp1"><strong>Car Parking</strong>104 spaces</p>

这是否可以通过 HTMLParser 来完成，或者，这可以使用正则表达式搜索来完成吗？我很欣赏正则表达式不是解析 HTML 代码的最佳选择，但是考虑到我使用 urllib2 将 HTML 代码作为字符串处理，并且我希望提取一个特定字符串，该字符串遵循其中的特定字符串，在这种情况下可能就足够了。

我正在考虑的一个选项是：-

s1 = "<strong>Car Parking</strong>104 spaces</p>"
s2 = "<strong>Car Parking</strong>"

print s1[s1.index(s2) + len(s2):]

这将返回所有以“104 个空格”开头的文本。因此，如何隔离这段特定的文本？

谢谢

【问题讨论】：

标签： python html regex string python-2.7

【解决方案1】：

我不使用 python，但这里是一个正则表达式。之后你需要用python手动替换strong和p标签应该很容易。

var test = '<p class="jp1"><strong>Car Parking</strong>104 spaces</p>'

test = test.match(/[<][/]strong[>](.*)[<][/]p[>]/gmi)
//console.log would be here test:  [ '</strong>104 spaces</p>' ]
test = test.join('')
test = test.replace('</strong>','')
test = test.replace('</p>','')

console.log('test: ', test)

【讨论】：