请问这个动态BBS网页代码标题头尾可能有图的如何i抓取里面的新闻标题？正则表如何改

crxliy

请问如何用正则表达式提取下面的这个网页代码中的新闻标题？因为下面的这个是BBS的新闻标题，新闻标题前后<img 这个小图片，有的有前面的没后面的，有的相反，有的标题前后都有，有的都没有只有标题，这样我用下面的正则表达式就只能抓取出如图样子的，请问如何修改呢，自己在下面的表达式中前后加上^(?!...)也不行，求教大神们！
r'<font style="font-siz.*?">(.*?)</font></a>'
上面的正则表达式抓取到的如图



要抓取的 URL http://hongdou.gxnews.com.cn/viewforum-21-1.html
网页代码：

1. <font style="font-size:14px;"><img src="/images/myself.gif" border="0">新闻标题<img align="AbsBottom" border="0" src="/images/isimg.gif" style=" margin-right:3px;"></font></a>

复制代码

SixPy

1. >>> import re, requests as req
   
2. >>> rsp=req.get('http://hongdou.gxnews.com.cn/viewforum-21-1.html')
   
3. >>> html=rsp.text
   
4. >>> ptn=re.compile(r'<div[^>]+?class="thread-row openTitle"[^<]+?<a\s.+>([^<>]+?)<.*?/a>')
   
5. >>> titles = ptn.findall(html)
   
6. >>> print(titles)
   

复制代码

hldh214

crxliy 发表于 2016-11-2 11:10
您上面的我觉得应该写成这样吧
r'

使用 `分枝条件`

http://deerchao.net/tutorials/regex/regex.htm#alternative

crxliy

hldh214 发表于 2016-11-2 11:06
通过观察发现括号里面的内容即是标题
所以正则就是

您上面的我觉得应该写成这样吧
r'<a title="主题：(.*?)&#13;'
其实我也知道了，但是我的想法就是假如没有这个的话，象我说的上面的正则表达式该如何修改如何写呢？

hldh214

crxliy 发表于 2016-11-2 10:46
要抓取的 URL
http://hongdou.gxnews.com.cn/viewforum-21-1.html

通过观察发现

<a title="主题：()&#13;

括号里面的内容即是标题
所以正则就是

1. <a title="主题：(.+)&#13;

复制代码

crxliy

hldh214 发表于 2016-11-2 10:45
贴一下要抓取的 URL 吧

要抓取的 URL
http://hongdou.gxnews.com.cn/viewforum-21-1.html

hldh214

贴一下要抓取的 URL 吧