Python练手小程序—从html中提取正文

在GitHub上发现一些很有意思的项目，由于本人作为Python的初学者，编程代码能力相对薄弱，为了加强Python的学习，特此利用前辈们的学习知识成果，自己去亲自实现。

来源：GitHub
Python练手小程序项目地址：https://github.com/Show-Me-the-Code/python
写作日期：2019.12.20

今天练习第0008题，题目如下：

先展示一下我的HTML文件吧

我打算提取HTML文件中的每个题目和摘要，然后存储在MongoDB上。先看下HTML的源文件，在页面上双击选中“显示页面源文件”，就可以看到右侧的源码信息。

我要提取的内容在源文件中的位置查看

我打算用最简单的正则表达式提取里面的内容，后期练手其他项目再使用一些库提取。

注：由于正则表达式，找规则，我发现百度搜索结果，很多不同title下的abstract有不同的规则，没有一个通用的模板，所以尝试了好久，找到了3条规则，匹配到9条abstract，还有1条没怎么搞了，太南了，呜呜~

本文主要是方法记录一下吧，正则表达使用，打算抽时间好好搞下！

Python代码如下：

import re
import codecs


def