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

Krzysztof krasosk目前投票最多的答案是<title>a</title><title>b</title>。此外，它忽略了跨越行边界的标题标签，例如，由于行长原因。最后，它失败于<title >a</title>(这是有效的XML/HTML标记中的空白)。

因此，我提出以下改进建议:

import re

def search_title(html):
    m = re.search(r"<title\s*>(.*?)</title\s*>", html, re.IGNORECASE | re.DOTALL)
    return m.group(1) if m else None

测试用例:

print(search_title("<title   >with spaces in tags</title >"))
print(search_title("<title\n>with newline in tags</title\n>"))
print(search_title("<title>first of two titles</title><title>second title</title>"))
print(search_title("<title>with newline\n in title</title\n>"))

输出:

with spaces in tags
with newline in tags
first of two titles
with newline
  in title

最后，我和其他人一起推荐一个HTML解析器——不仅要处理HTML标记的非标准使用。

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。

请注意，从Python 3.8开始，并引入了赋值表达式(PEP 572)(:=操作符)，可以通过直接在if条件中捕获匹配结果作为变量并在条件体中重用它来改进Krzysztof krasosco的解决方案:

# pattern = '<title>(.*)</title>'
# text = '<title>hello</title>'
if match := re.search(pattern, text, re.IGNORECASE):
  title = match.group(1)
# hello

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