我不是第一个 发表于 2021-7-1 15:41:28

正则表达式提取内容。。

<div accuse="aContent" class="best-text mb-10" id="best-content-2893309099">
<div class="wgt-best-mask">
<div class="wgt-best-showbtn">
推荐内容<span class="wgt-best-arrowdown"></span>
</div>
</div>
<p>沙漠中的精灵</p><div class="excellent-qb-divider"></div><p>骆驼是骆驼科骆驼属的动物，头较小，颈粗长，弯曲如鹅颈。躯体高大，体毛褐色，极能忍饥耐渴。骆驼可以在没有水的条件下生存2周，没有食物的条件下可生存一个月之久。驼峰里贮存着脂肪，可在得不到食物时，分解成身体所需养分，供骆驼生存需要，足有厚皮，用来适应沙漠行走。生活在沙漠边缘的人类早在公元前3000年已经开始驯养骆驼，作为役畜，以供驮运和骑乘，有许多国家有倚赖骆驼为生的骆驼牧 民，是沙漠里的唯一交通工具，甚至有骆驼骑兵。</p><div class="excellent-qb-divider"></div>
</div>

我想剔除不要的标签，如div,span,table,ul,li等，保留p,img,hr,video,文本内容

这个正则表达式应该怎么写呢。。 好难哦。。有什么诀窍吗，往大佬指教。。{:5_109:}

Rayan_Bai 发表于 2021-7-1 15:45:46

直接用JQuery的标签选择器就好了啊，可以不用正则表达式。

我不是第一个 发表于 2021-7-1 15:51:52

Rayan_Bai 发表于 2021-7-1 15:45
直接用JQuery的标签选择器就好了啊，可以不用正则表达式。

没用过，安装个试试，， 谢谢指导{:5_110:}

我不是第一个 发表于 2021-7-1 15:59:54

Rayan_Bai 发表于 2021-7-1 15:45
直接用JQuery的标签选择器就好了啊，可以不用正则表达式。

怪我没说清楚，有的DIV里面有文本内容，也是要保留内容的。没有内容的去掉。。    能写个案例吗？{:5_109:}

wp231957 发表于 2021-7-1 16:02:43

我不是第一个 发表于 2021-7-1 15:59
怪我没说清楚，有的DIV里面有文本内容，也是要保留内容的。没有内容的去掉。。    能写个案例吗？{:5_109 ...

还真没解析过字符串呢
试一试：
s='''<div accuse="aContent" class="best-text mb-10" id="best-content-2893309099">
<div class="wgt-best-mask">
<div class="wgt-best-showbtn">
推荐内容<span class="wgt-best-arrowdown"></span>
</div>
</div>
<p>沙漠中的精灵</p><div class="excellent-qb-divider"></div><p>骆驼是骆驼科骆驼属的动物，头较小，颈粗长，弯曲如鹅颈。躯体高大，体毛褐色，极能忍饥耐渴。骆驼可以在没有水的条件下生存2周，没有食物的条件下可生存一个月之久。驼峰里贮存着脂肪，可在得不到食物时，分解成身体所需养分，供骆驼生存需要，足有厚皮，用来适应沙漠行走。生活在沙漠边缘的人类早在公元前3000年已经开始驯养骆驼，作为役畜，以供驮运和骑乘，有许多国家有倚赖骆驼为生的骆驼牧 民，是沙漠里的唯一交通工具，甚至有骆驼骑兵。</p><div class="excellent-qb-divider"></div>
</div>
'''
from lxml import etree,html
tree=html.etree.HTML(s)
data=tree.xpath("//p/text()")
print(data)

'''
PS D:\我> py test4.py
    ['沙漠中的精灵', '骆驼是骆驼科骆驼属的动物，头较小，颈粗长，弯曲如鹅颈。躯体高大，体毛褐色，极能忍饥耐渴。骆驼可以在没有水的条件下生存2周，没有食物的条件下
    可生存一个月之久。驼峰里贮存着脂肪，可在得不到食物时，分解成身体所需养分，供骆驼生存需要，足有厚皮，用来适应沙漠行走。生活在沙漠边缘的人类早在公元前3000年
    已经开始驯养骆驼，作为役畜，以供驮运和骑乘，有许多国家有倚赖骆驼为生的骆驼牧 民，是沙漠里的唯一交通工具，甚至有骆驼骑兵。']
PS D:\我>
'''

我不是第一个 发表于 2021-7-1 16:13:41

wp231957 发表于 2021-7-1 16:02
还真没解析过字符串呢
试一试：

谢谢你的解答，这个文本内容，不一定就在P标签里面哦。。也可能在div里面，table、span里面都有可能。
最好是能吧内容，提取出来，然后用P标签提取出来。保留img,hr,video。最好是这样。。{:5_109:}

wp231957 发表于 2021-7-1 16:15:28

我不是第一个 发表于 2021-7-1 16:13
谢谢你的解答，这个文本内容，不一定就在P标签里面哦。。也可能在div里面，table、span里面都有可能。
...

我只是针对你这个例子而已，实际上，静态解析
实在是过于easy，所以了，你想咋玩都可以

学渣李某人 发表于 2021-7-8 17:34:01

其实用bs4比较简单
页: [1]
查看完整版本: 正则表达式提取内容。。