Python:将 HTML 片段分成段落

Question

我有一段包含段落的 HTML。 (我的意思是 p 标签。)我想将字符串拆分成不同的段落。例如:

'''
<p class="my_class">Hello!</p>
<p>What's up?</p>
<p style="whatever: whatever;">Goodbye!</p>
'''

应该变成:

['<p class="my_class">Hello!</p>',
 '<p>What's up?</p>'
 '<p style="whatever: whatever;">Goodbye!</p>']

解决这个问题的好方法是什么？

Answer 1

如果您的字符串只包含段落，您可以使用精心制作的正则表达式和 re.split() 来摆脱困境。但是，如果您的字符串是更复杂的 HTML，或者不是始终有效的 HTML，您可能需要查看 BeautifulSoup包。

用法如下:

from BeautifulSoup import BeautifulSoup 

soup = BeautifulSoup(some_html)

paragraphs = list(unicode(x) for x in soup.findAll('p'))