Python字符串操作，提取html标签之间的文字

Question

我有一个字符串:

<font face="ARIAL,HELVETICA" size="-2">  
JUL 28         </font>

(它输出两行，所以那里必须有一个\n。

我想提取 <font></font> 之间的字符串标签。在这种情况下，它是 7 月 28 日，但它可能是另一个日期或其他一些数字。

1) 从字体标签之间提取值的最佳方法？我在想我可以提取 "> 之间的所有内容和 </ .

编辑:删除了第二个问题。

Answer 1

虽然可以使用正则表达式解析任意 HTML，但这通常是一个死亡陷阱。有很多很棒的工具可以解析 HTML，包括 BeautifulSoup ，这是一个 Python 库，可以很好地处理 损坏的 以及良好的 HTML。

>>> from BeautifulSoup import BeautifulSoup as BSHTML
>>> BS = BSHTML("""
... <font face="ARIAL,HELVETICA" size="-2">  
... JUL 28         </font>"""
... )
>>> BS.font.contents[0].strip()
u'JUL 28'

然后你只需要解析日期:

>>> datetime.strptime(BS.font.contents[0].strip(), '%b %d')
>>> datetime.datetime(1900, 7, 28, 0, 0)
datetime.datetime(1900, 7, 28, 0, 0)