pythonrehtml
㈠ 如何用python爬取出HTML指定標簽內的文本
你好！
可以通過lxml來獲取指定標簽的內容。
#安裝lxml
pipinstalllxml
importrequests
fromlxmlimporthtml
defgetHTMLText(url):
....
etree=html.etree
root=etree.HTML(getHTMLText(url))
#這里得到一個表格內tr的集合
trArr=root.xpath("//div[@class='news-text']/table/tbody/tr");
#循環顯示tr裡面的內容
fortrintrArr:
rank=tr.xpath("./td[1]/text()")[0]
name=tr.xpath("./td[2]/div/text()")[0]
prov=tr.xpath("./td[3]/text()")[0]
strLen=22-len(name.encode('GBK'))+len(name)
print('排名：{:<3},學校名稱：{:<{}} ，省份：{}'.format(rank,name,strLen,prov))
希望對你有幫助！
㈡ 用python中re正則化處理HTML
用replace函數，先把<style>。。。</style>等不需要的的內容替換為空
再使用正則提取。
或者使用正則，只提取
<p>...</p>之間的內容
㈢ python re匹配任意數字（網頁爬蟲）
㈣ python用re.findall獲取網頁全部符合要求的元素
關鍵在於查找時間的正則表達式，也就是程序中reg變數的字元串，你可以去了解一下
importre
s="""<aclass="time"target="_blank"href="">昨天00:26</a>
<aclass="time"target="_blank"href="">今天00:26</a>"""
defgetTime(html):
reg=r'<aclass="time".*>(.*)</a>'
timere=re.compile(reg)
timelist=re.findall(timere,html)
fortintimelist:
printt
getTime(s)
㈤ python3 re模塊怎麼抓取中文類型
Python的re模塊里沒有直接匹配中文的屬性或者方法。
不過可以用re.findall+()來匹配，但是如果數據裡面有中英文，那麼就得再次匹配了。
例：
test = '<html><head>網路</head></html>'
cont = re.findall(r'<ht.*?head>(.*?)</hea',test)
print(cont)
㈥ python 的 re模塊中如何使用變數代替要匹配的字元串
這么試試：
XH=raw_input("請輸入你的手機型號:")
XH_re=re.compile(XH+'.*?￥(d{1,4})</em>',re.DOTALL)
㈦ 請問python中 items = re.findall(reg,html)括弧內的怎麼理解
括弧裡面的兩個是參數，位置不能調換。
findall是re對象里的一個方法，這個方法需要2個參數：reg，html。這兩個參數應該在上面的代碼有定義。
你可以把「方法」理解成一個生產機器，「參數」就是原材料。那麼方法的返回值就是生產機器生產出來的產品。
㈧ python中如何通過關鍵字查找到指定的HTML標簽
可以使用正則表達式的方法
正則表達式：工作職責：</th>s+<td>(.+?)</td>
importre
content="頁面內容"
re_1=re.search('工作職責：</th>s+<td>(.+?)</td>',content)
ifre_1:
printre_1.group(1)
else:
print"notfind!"
因為正則表達式有中文 所以要保證你的內容與文本是一個編碼