提取正则表达式匹配的一部分

我想用正则表达式从HTML页面中提取标题。目前我有这个:

title = re.search('<title>.*</title>', html, re.IGNORECASE).group()
if title:
    title = title.replace('<title>', '').replace('</title>', '')

是否有正则表达式来提取<title>的内容，这样我就不必删除标签了?

当前回答

在regexp中使用()，在python中使用group(1)来检索捕获的字符串(re.search如果没有找到结果将返回None，所以不要直接使用group()):

title_search = re.search('<title>(.*)</title>', html, re.IGNORECASE)

if title_search:
    title = title_search.group(1)

其他回答

re.search('<title>(.*)</title>', s, re.IGNORECASE).group(1)

没有人建议使用前视和后视，有什么特别的原因吗?我在这里试图做完全相同的事情和(?<=<title>).+(?=<\/title>)工作得很好。它只会匹配括号之间的内容所以你不需要做整个组的事情。

所提供的代码段不能处理异常我可以建议

getattr(re.search(r"<title>(.*)</title>", s, re.IGNORECASE), 'groups', lambda:[u""])()[0]

默认情况下，如果没有找到模式或第一个匹配，则返回空字符串。

我可以向您推荐美丽汤吗?Soup是一个解析所有html文档的很好的库。

soup = BeatifulSoup(html_doc)
titleName = soup.title.name

在regexp中使用()，在python中使用group(1)来检索捕获的字符串(re.search如果没有找到结果将返回None，所以不要直接使用group()):

title_search = re.search('<title>(.*)</title>', html, re.IGNORECASE)

if title_search:
    title = title_search.group(1)

推荐文章