python提取html中一段字符_python如何提取字符串？

在Python中，要提取文本的字符串，有多中方法，如使用正则表达式，BeautifulSoup或Xpath等来提取。下面讲解用正则表达式来提取字符串。

一、单个位置的字符串提取

这种情况我们可以使用(.+?)这个正则表达式来提取。 举例，一个字符串"a123b",如果我们想提取ab之间的值123，可以使用findall配合正则表达式，这样会返回一个包含所以符合情况的list。

代码如下：

import re

str = "a123b"

print re.findall(r"a(.+?)b",str)#

输出['123']

1.1贪婪和非贪婪匹配

如果我们有一个字符串”a123b456b”，如果我们想匹配a和最后一个b之间的所有值而非a和第一个出现的b之间的值，可以用?来控制正则贪婪和非贪婪匹配的情况。

代码如下：

import re

str = "a123b456b"

print re.findall(r"a(.+?)b", str)

输出

['123']#?控制只匹配0或1个,所以只会输出和最近的b之间的匹配情况

print re.findall(r"a(.+)b", str)

输出

['123b456']

print re.findall(r"a(.*)b", str)

输出

['123b456']

1.2多行匹配

如果你要多行匹配，那么需要加上re.S和re.M标志. 加上re.S后。将会匹配换行符，默认.不会匹配换行符。

代码如下：

str = "a23b\na34b"

re.findall(r"a(\d+)b.+a(\d+)b", str)

输出[]

因为不能处理str中间有\n换行的情况

re.findall(r"a(\d+)b.+a(\d+)b", str, re.S)

输出[('23', '34')]

加上re.M后,^$标志将会匹配每一行，默认^和$只会匹配第一行。

代码如下：

str = "a23b\na34b"

re.findall(r"^a(\d+)b", str)

输出['23']

re.findall(r"^a(\d+)b", str, re.M)

原文自：https://www.py.cn/faq/python/11737.html