学习目标:初步了解html标签,再用正则寻找标签。
上次我们了解了html,但是我们要利用html,必须对html标签足够的认识。
双标签一般以以下格式出现:
<标签名 参数名="参数">文本</标签名>
单标签则是这样:
<标签名 参数名="参数">
因此,我们可以得出结论:标签都是有一定格式和规律,所以,我们就可以用正则表达式寻找html标签。
我们准备好示例html代码:
<p>text</p>
<a href="url">text</a>
这里有两段代码(p标签和a标签的段落),接下来寻找a标签的段落:
import re
htmlstr="""示例html代码"""
l=recmpile('<a.*>.*</a>').findall(htmlstr)
print(l)
我们按照a标签的格式,re的findall(虽然没必要,但是如果内容点多就有必要了)寻找a标签的段落。
输出一个列表:
['<a href="url">text</a>']
因为只有一个符合条件,所以列表中只有一项。
但是,用re模块十分复杂,容易出错,所以,下次我们使用一个专门用于解析html的模块,让解析更方便。