[英]How to extract text part from file using Python & Regular Expressions
[英]How to extract text from between html tag using Regular Expressions?
我需要从textarea标签之间提取文本。
我该如何使用正则表达式呢?
<textarea rows="20" cols="70" name="file" id="file" style="width: 100%;"data-input-file="1">
abc_text
#include<abc>
xyz
</textarea>
你可以试试,
>>> print [x.strip() for x in re.findall('<textarea.*?>(.*)</textarea>', content, re.MULTILINE | re.DOTALL)]
['abc_text\n #include<abc>\n xyz']
根据XML规则,XML无效。 开头和结尾标签不匹配。
#include<abc>
<abc>
是开始标记,不是内容。
XML解析库不会解析无效的Input。
修改输入:
如果将#include<abc>
更改为#include<abc>
那么以下将起作用:
>>> import lxml.html as PARSER
>>> root = PARSER.fromstring(data)
>>> root.xpath("//textarea/text()")
['\n abc_text\n #include<abc>\n xyz\n']
>>>
通过RE:
>>> data
'<textarea rows="20" cols="70" name="file" id="file" style="width: 100%;"data-input-file="1">\n abc_text\n</textarea>'
>>> import re
>>> re.findall('<textarea[^>]*>[^<]*</textarea>', data)
['<textarea rows="20" cols="70" name="file" id="file" style="width: 100%;"data-input-file="1">\n abc_text\n</textarea>']
>>>
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.