通过正则表达式解析HTML入门指南

一个完整的HTML网页通常是由很多标签组成的,通过正则表达式我们可以筛选出我们想要的内容。一般我们利用正则表达式来获取标签中的内容或者属性值，获取到内容和属性值之后，我们还可以利用正则表达式进一步获取想要的内容。

python中使用正则表达式解析HTML的步骤：

1. 首先需要引入re模块
2. 根据所要获取的内容或者属性值定义一个正则表达式
3. 利用re库提供的方法获取满足所定义的正则表达式的内容或属性值

下面是一个简单的demo，包含了内容的获取，以及属性值的获取：

# coding: utf-8
# @author: huangwenren

import re

def getContent():
    html = '''
    <tr>
        <th>性別：</th>
        <td>男</td>
    </tr>
    '''
    print(html)