[英]XPath: extract all tags in html page
我是 XPath 的新手，我遇到了问题。 我想提取 web 页面上的所有且仅 html 标记。
例子：
<html>
<body>
<h1>My First Heading</h1>
<p>My first paragraph.</p>
</body>
</html>
我的 output 应该是：
["<html>", "<body>","<h1>","</h1>","<p>","</p>","</body>"."</html>"]
尝试使用正则表达式和re.findall function：
>>> import re
>>> s = '''<html>
<body>
<h1>My First Heading</h1>
<p>My first paragraph.</p>
</body>
</html>'''
>>> re.findall('<.*?>', s)
['<html>', '<body>', '<h1>', '</h1>', '<p>', '</p>', '</body>', '</html>']
>>>
提取所有<script> tags in an HTML page and append to the bottom of the document
[英]Extract all <script> tags in an HTML page and append to the bottom of the document
如何将文本和 xpath 提取到 Python 中 HTML 页面的那个元素
[英]How to extract text and the xpath to that element of the HTML page in Python
BeautifulSoup + Python（从页面源代码中提取特定的 HTML 标签）
[英]BeautifulSoup + Python (Extract Specific HTML Tags from Page Source Code)
如何从所有'中提取文本内容<t> ' 使用 xpath 的段落标签内的标签</t>
[英]How to extract text content from all '<t>' tags within paragraph tag using xpath
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.