正则表达式—从HTML里提取内容

tags: #正则表达式 #HTML提取

记录收集我测试过的正则表达式，以便备查备用

• 匹配任意字符不能跨行：.*

• 匹配任意字符包括换行符等：[\s\S]*

• 捕获某前缀与某后缀之间的任意字符：(.*?)
  使用情况举例，捕获下面HTML中的文字“不迟any”
  HTML：<a href='http://www.cnblogs.com/buchiany/'>不迟any</a>
  匹配的正则表达式：<a.*?>(.*?)<\/a>
  成功测试适用于：Python 3.x

• 匹配任意空白（包含空格、\f换页符、\n换行符、\r回车符、\t制表符、\v垂直制表符）：[\s]*
  使用情况举例，匹配下面HTML内容里第一行<tr>和第三行<th>，之间跨越了空白

HTML：

要匹配的内容第一部分<tr> 

   <th>要匹配的内容第二部分

匹配的正则表达式：<tr>[\s]*<th>
成功测试适用于：Python 3.x

---

相关：

强烈推荐正则表达式在线测试工具：regex101

[正文结束]

---

[参考]

1. https://regex101.com/
2. http://www.jb51.net/article/28997.htm
3. http://www.oschina.net/question/12_9507

---

[更新记录]
2016-12-19, 初建笔记。添加了2条

转载于:https://www.cnblogs.com/buchiany/p/6379124.html