如何在python中提取兩個字符之間的子字符串？

Question

我有一個從 HTML 代碼轉換而來的討厭的字符串，如下所示：

<p><topic url="car-colours">Toyota Camry</topic> has <a href="/colours/dark-red">Dark Red</a><span> (2020)</span>, <a href="/colours/pearl-white">Pearl White</a><span> (2016 - 2017)

我想從這個字符串中提取顏色的名稱並將它們放在一個列表中。 我在想也許我提取了 ">" 和 "<" 字符之間的所有子字符串，因為所有顏色都包含在其中，但我不知道如何。

我的目標是有一個列表來存儲豐田凱美瑞的所有顏色，例如： toyota_camry_colours = ["Dark Red", "Pearl White"]

任何想法我怎么能做到這一點？ 在 bash 中，我會使用 grep 或 awk 之類的東西，但不知道 python。

Answer 1

BeautifulSoup 模塊旨在解析 HTML。

from bs4 import BeautifulSoup 

str = """\
<p><topic url="car-colours">Toyota Camry</topic> has <a href="/colours/dark-red">Dark Red</a><span> (2020)</span>, <a href="/colours/pearl-white">Pearl White</a><span> (2016 - 2017)"""

soup = BeautifulSoup(str, 'html.parser')
for link in soup.find_all('a'):
    print( link.text )

輸出：

Dark Red
Pearl White

Answer 2

一個簡單的正則表達式會幫助它/colours/([\\w-]+)

import re

txt = '<p><topic url="car-colours">Toyota Camry</topic> has <a href="/colours/dark-red">Dark Red</a><span>' \
      ' (2020)</span>, <a href="/colours/pearl-white">Pearl White</a><span> (2016 - 2017)'
colors = re.findall(r"/colours/([\w-]+)", txt)
print(colors)  # ['dark-red', 'pearl-white']

colors = [" ".join(word.capitalize() for word in color.split("-")) for color in colors]
print(colors)  # ['Dark Red', 'Pearl White']