在 > 和 < 之间查找字符串的正则表达式是什么

Question

我有一个 HTML 文件

 ...<b>Breakfast</b><hr>...

我想要Breakfast，它介于> 和< 之间。

我试过了

...for test_string in line:
        if re.match(r'(>.*<$)',test_string):...

那也没有给>Breakfast<。

谢谢。

Answer 1

一般正则表达式无法解析html。您可以改用 html 解析器：

from BeautifulSoup import BeautifulSoup # pip install BeautifulSoup

html = """...<b>Breakfast</b><hr>..."""

soup = BeautifulSoup(html)
print soup(text=True) # get all text
# -> [u'...', u'Breakfast', u'...']
print [b.text for b in soup('b')] # get all text for <b> tags
# -> [u'Breakfast']

Answer 2

$ 表示“输入结束”，不属于此正则表达式。

相反，请执行以下操作：

m = re.search(r'>([^<]*)<', test_string)
if m:
    print m.group(1)

这会搜索>，然后是所有不是< 的字符，然后是<。 > 和 < 之间的字符被标记为一个组，您可以使用 m.group(1) 获得该组

Answer 3

我想你想要：

r'(>.*?<)'

或许

r'<b(>.*?<)/b>'

是非贪婪的，匹配字符串的中间。请注意，parsing HTML with regular expressions 不是很健壮。