正则提取html网页中字符串

最新推荐文章于 2022-06-11 11:08:08 发布
最新推荐文章于 2022-06-11 11:08:08 发布
阅读量3.5k 收藏
点赞数
分类专栏： 工作相关
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zn505119020/article/details/78933313
版权

方式一：

RULES = [
    [r'<style[\s\S]*?</style>', ''],
    [r'<script[\s\S]*?</script>', ''],
    [r'</(div|h|p)>', '\n'],
    [r'<br.*?>', '\n'],
    [r'<[^>]+?>', ''],
    [r'&nbsp;', ' '],
    [r'&amp;', '&'],
    [r'&lt;', '<'],
    [r'&gt;', '>'],
    [r'&quot;', '"'],
    [r'^[\n\s]*', ''],
    [r'^\s+', ' '],
    [r'^[\s\S]*?Description', ''],
    [r'Payment[\s\S]*$', ''],
]
result = reduce(lambda desc, rule: re.sub(rule[0], rule[1], desc, flags=re.I | re.M), RULES, description).strip()
print(result)

方式二：

result = description
result = re.sub(r'<style[\s\S]*?</style>', '', result, flags=re.I | re.M)
result = re.sub(r'</(div|h|p)>', '\n', result, flags=re.I | re.M)
result = re.sub(r'<br.*?>', '\n', result, flags=re.I | re.M)
result = re.sub(r'<[^>]+?>', '', result, flags=re.I | re.M)
result = re.sub(r'&nbsp;', ' ', result, flags=re.I | re.M)
result = re.sub(r'&amp;', '&', result, flags=re.I | re.M)
result = re.sub(r'&lt;', '<', result, flags=re.I | re.M)
result = re.sub(r'&gt;', '>', result, flags=re.I | re.M)
result = re.sub(r'&quot;', '"', result, flags=re.I | re.M)
result = re.sub(r'^[\n\s]*', '', result, flags=re.I | re.M)
result = re.sub(r'^[\s\S]*?Description', '', result, flags=re.I | re.M)
result = re.sub(r'Payment.*?$', '', result, flags=re.I | re.M)
result = result.strip()

print(result)
 


                

        

        

    




    

      

        

            

              
                
                  zn505119020
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
使用正则表达式 匹配 HTML 标签内的内容

				
			

			

				

					 我的博客
				

				

					04-07
					
					5992
					
				

			

		

		

			
				
使用正则表达式 匹配 HTML 标签内的内容

正则表达式如下


/(?<=((<.*?){0,}>))([\s\S]+)(?=(([\s]{0,1}<\/.*?>){1}))/g


测试例子：


var regexp = /(?<=((<.*?){0,}>))([\s\S]+)(?=(([\s]{0,1}<\/.*?>){1}))/g

// 简短的 html
var str1 = `<div>hello</div>

			
		

	



                

              
                



	

		

			

				
					
对字符串进行正则取子串

				
			

			

				

					01-08
				

			

		

		

			
				
正则表达式是一种强大的文本处理工具，能够帮助我们快速地定位和操作字符串中的特定模式。  首先，原始的代码尝试通过遍历字符串的方式来查找键值对，这种方法在处理简单的情况时可能可行，但对于复杂的HTML或XML...

			
		

	



                


  
              

                


	

		

			

				
					
html 文本提取正则,使用正则表达式使用HTML字符串中提取文本

				
			

			

				

					weixin_27960253的博客
				

				

					06-02
					
					759
					
				

			

		

		

			
				
我有以下的HTML字符串： F.V.Adamian, G.G.Akopian使用正则表达式使用HTML字符串中提取文本我想形成一个单一的纯文本字符串与作者的名字，这样它看起来就像(我可以微调后面的标点符号)：FVAdamian，GGAkopian。我想在Matlab中使用'regexp'。当我做到以下几点： regexpi(htmlstring,'">.*','match')我得到："&gt...

			
		

	





	

		

			

				
					
正则表达式获取HTML标记中的内容。（注：如果内容中含有回车符，请查看第三个例子）...

				
			

			

				

					weixin_30389003的博客
				

				

					01-25
					
					268
					
				

			

		

		

			
				
几个获取简单HTML标记间内容//=====================Begin1========================//试验字符串stringstrTmp=string.Empty;//正则表达式stringtmpStr=string.Empty;...

			
		

	



		

			
		



	

		

			

				
					
正则表达式提取html标签中间的内容

				
			

			

				

					baixiaozheng的博客
				

				

					06-11
					
					5212
					
				

			

		

		

			
				
使用正则表达式提取html标签中间的内容，如：abc<span>def</span>gh<font>666</font>999
代码如下：
public static void main(String[] args) {
        String s = "abc<span>def</span>gh<fon...

			
		

	





	

		

			

				
					
正则提取html 标签内容

				
			

			

				

					qq_34117170的博客
				

				

					02-21
					
					7421
					
				

			

		

		

			
				
例如：
&lt;script&gt;
var str='&lt;a&gt;132123213&lt;/a&gt;&lt;img/&gt;&lt;b&gt;&lt;b&gt;'
var afstr=str.replace(/&lt;[^&gt;]+&gt;/g,"")
alert(str)//&lt;a&gt;132123213&lt;/a&amp

			
		

	





	

		

			

				
					
正则表达式提取html中的内容

				
			

			

				

					zhuwei2008的专栏
				

				

					03-17
					
					694
					
				

			

		

		

			
				
public class Test { 

    public static void main(String args[]) { 
        String html = "ABCDgsdggasjkll005"; 
        // 简单示例，相当于String html=getHtml(String urlString); 
        List resultList...

			
		

	





	

		

			

				
					
利用正则表达式提取固定字符之间的字符串

				
			

			

				

					10-20
				

			

		

		

			
				
在实际应用中，这个函数可以用于多种场景，比如从HTML标签中提取文本，从电子邮件地址中提取用户名，或者从复杂的字符串结构中提取特定信息。以下是一些示例：  1. 示例1： ```javascript var a = '让我们荡起双桨吧...

			
		

	





	

		

			

				
					
js实现在字符串中提取数字

				
			

			

				

					12-03
				

			

		

		

			
				
综上所述，要实现在JavaScript中提取字符串中的数字，可以利用正则表达式和`replace()`方法。同时，了解HTML与JavaScript的交互、DOM以及字符编码等基础知识也是很重要的。在实际应用中，你可能需要根据具体需求对这...

			
		

	





	

		

			

				
					
jquery 取字符串中数字的正则

				
			

			

				

					12-11
				

			

		

		

			
				
在JavaScript和jQuery中，我们经常需要从字符串中提取特定的字符或数字，特别是在处理CSS属性时。例如，如果我们想要从CSS的`padding-left`属性中提取出数字，我们可以使用正则表达式。在这个例子中，标题是“jquery...

			
		

	





	

		

			

				
					
java正则表达式提取html中的信息

				
			

			

				

					04-15
				

			

		

		

			
				
java实现用正则表达式的方法提取html中的信息，可以提取标题，正文，链接等。经过运行，没问题的

			
		

	





	

		

			

				
					
易语言正则提取网页数据

				
			

			

				

					07-19
				

			

		

		

			
				
总结，易语言正则提取网页数据涉及了网络请求、正则表达式操作、网页结构解析等多个方面，通过学习和实践这些知识点，可以构建出功能强大的网页数据处理程序。在实际应用中，还需要不断学习和适应网页的不断变化，以...

			
		

	





	

		

			

				
					
正则表达式提取html标签里的内容

					
热门推荐

				
			

			

				

					July.Code的网络笔记
				

				

					08-24
					
					2万+
					
				

			

		

		

			
				
public static void asdf()
        {
            var strJson = @"123123123123111566051231231231231233";
            //方法一
            Regex rg = new Regex(@"]*>([^");
            MatchCollection mc = r

			
		

	





	

		

			

				
					
html中字符串的获取方法

				
			

			

				

					fxn_dudududu的博客
				

				

					07-06
					
					1337
					
				

			

		

		

			
				
html中字符串的获取几种方法
<!DOCTYPE html>
<html lang="en">
<head>
	<meta charset="UTF-8">
	<title>Document</title>
	<style >
		.layout{
			position: absolute;
			top: 0;
			width: 100%;
			height: 100%;
			background-color: 

			
		

	





	

		

			

				
					
取出文本中的html代码，利用正则表达式

				
			

			

				

					小糖豆
				

				

					03-30
					
					4318
					
				

			

		

		

			
				
//这是获取纯文本的功能
        String htmlStr = model.getContent(); //含html标签的字符串，model.getContent（）是输入的文本
         java.util.regex.Pattern p_script;
         java.util.regex.Matcher m_script;
         java.util

			
		

	





	

		

			

				
					
获取网页字符编码的正则表达式

				
			

			

				

					redsen的专栏
				

				

					09-13
					
					1014
					
				

			

		

		

			
				
$wcharset = preg_match("/,$filecnt,$temp) ? strtolower($temp[1]):"";  $wtitle = preg_match("/(.*)/isU",$filecnt,$temp) ? $temp[1]:""; 


这个网上的，还不是最好的。
 最完美的正则表达式是这样的：

preg_match('/]*?charset=([

			
		

	





	

		

			

				
					
正则表达式获取指定两个字符串之间内容

				
			

			

				

					白芥的博客
				

				

					02-27
					
					1万+
					
				

			

		

		

			
				
xml解析利用正则表达式获取指定两个字符串之间内容在遇到解析复杂xml的时候，想到大家所想到的都是利用dom4j作为首发工具，但是当遇到层次很多，较为复杂，我们难道还需要从根节点一层一层的解析下去吗？此时不仅代码繁琐，而且准确率还不是那么高，采用此种方式，可以获取指定两种字符串之间的任意xml文本。package com.starit.analyse.util;  
  
import java....

			
		

	





	

		

			

				
					
字符串中获取网站地址（网站匹配）源码

				
			

			

				

					急速虫子
				

				

					06-23
					
					1220
					
				

			

		

		

			
				
网址匹配

			
		

	





	

		

			

				
					
.net(C#)从html中提取中文字_正则表达式

				
			

			

				

					aidang8943的博客
				

				

					01-06
					
					325
					
				

			

		

		

			
				
using System.Text.RegularExpressions;
private string StripHT(string strHtml) //从html中提取纯文本
 {
 Regex regex = new Regex("<.+?>", RegexOptions.IgnoreCase);
...

			
		

	





	

		

			

				
					
PHP正则提取网页中所有的图片地址

					
最新发布

				
			

			

				

					02-06
				

			

		

		

			
				
正则表达式 `[^>]+src="([^">]+)"` 的含义是：匹配以 `开头，以 `src="` 开始，以 `"` 结尾，中间任意字符的字符串。 之后通过preg_match_all获取所有匹配到的结果。  最后输出$matches[1] 数组就是所有匹配到的图片...

			
		

	



              



  
“相关推荐”对你有帮助么？

  

      
    
          
  • 
              
    
                  
                  
              
    
              
    非常没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    一般
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    有帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    非常有帮助
    
          
    • 
      

      

      

          
          提交
      

      

  




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值