使用python根据前后字符提取部分文本（html）文件

【问题标题】：Extract parts of text (html) file based on characters before & after with python使用python根据前后字符提取部分文本（html）文件
【发布时间】：2021-02-12 18:21:44
【问题描述】：

我正在尝试构建一个脚本，该脚本将从 html 文件中提取特定部分（即链接及其相关描述）并返回每行的结果。

我正在尝试使用 python 中的列表来构建它，但不知何故我犯了一个错误！

这是我到目前为止所做的，但它返回空白我的值列表：


import re

def subtext (data, first_link, last_link, first_descr, last_descr):
    values = []
    
    link = re.search('''"first_link"(.+?)"last_link"''', data)
    values.append(link)
    descr = re.search('''"first_descr"(.+?)"last_descr"''', data)
    values.append(descr)
    while values:
        print(values)


html_file = input ("Type filepath: ")
html_code = open (html_file, "r")
html_data = html_code.read()


subtext (html_data, '''11px;"><a href=''', ''' target="_blank"  ''', '''  title="Relative document">''', '''</a></td><td style="font-''')


html_code.close()

【问题讨论】：

标签： python search text

【解决方案1】：

有一个html parser for python。但是如果你想使用你的代码，那么你需要修复这些错误：

link = re.search('''"first_link"(.+?)"last_link"''', data)
values.append(link)

首先，您的正则表达式将搜索字符串“first_link”和“last_link”，而不是函数 args 中的值。使用 .format 创建字符串形式的 args。同样在上面的代码中link 将是 re.Match 对象，而不是字符串。使用group() 从对象中挑选字符串——只要确保它找到了一些东西。与下一个re.search 相同的故事。

   while values:
      print(values)

在这里，您将进入无限循环的打印。只需执行print(values) 即可，无需任何循环。

【讨论】：