如何在python的html页面中获取文本的偏移位置

Question

我正在使用漂亮的汤进行网络抓取以提取一些文本。

我已成功从网页中提取所需的文本，但我的新要求是与我需要的文本一起提取文本在文档中实际开始和结束的偏移编号/位置。

有没有可能使用漂亮的汤或任何有用的包来解决这个问题？

请提供您的想法和建议...

谢谢

Answer 1

尝试使用以下代码

import re

DATA = "This is test message"

for match in re.finditer(r'(?s)((?:[^\n][\n]?)+)', DATA):
    print match.start(), match.end()

输出

0 20