Python抓取html信息
时间：2011-03-22
来源：互联网
我现在手中有100多个html网页，每个网页里面都有类似
<tag class=好></tag>
这种，没有双引号的代码，我想要从这些html网页中提取我需要的信息，比如标题，或者里面的某些超级链接中，我应该用哪种方式呢？
开始我试着用正则匹配，发现自己老是出错，
然后我用BeautifulSoup,但是每到这种写的不规范的代码，就出错误了。
怎么办？
<tag class=好></tag>
这种，没有双引号的代码，我想要从这些html网页中提取我需要的信息，比如标题，或者里面的某些超级链接中，我应该用哪种方式呢？
开始我试着用正则匹配，发现自己老是出错，
然后我用BeautifulSoup,但是每到这种写的不规范的代码，就出错误了。
怎么办？
作者: yudun1989 发布时间: 2011-03-22
用正则式。
作者: witwolf 发布时间: 2011-03-22
Python code
unicode或者汉字编码问题自己解决。
re.findall(r'<tag class=([^<>]+)>', '<tag class=好></tag>')
unicode或者汉字编码问题自己解决。
作者: iambic 发布时间: 2011-03-22
相关阅读 更多
热门阅读
-
office 2019专业增强版最新2021版激活秘钥/序列号/激活码推荐 附激活工具
阅读：74
-
如何安装mysql8.0
阅读：31
-
Word快速设置标题样式步骤详解
阅读：28
-
20+道必知必会的Vue面试题（附答案解析）
阅读：37
-
HTML如何制作表单
阅读：22
-
百词斩可以改天数吗？当然可以，4个步骤轻松修改天数！
阅读：31
-
ET文件格式和XLS格式文件之间如何转化？
阅读：24
-
react和vue的区别及优缺点是什么
阅读：121
-
支付宝人脸识别如何关闭?
阅读：21
-
腾讯微云怎么修改照片或视频备份路径?
阅读：28
