前军教程网

如有以下文件html.html：

想要提取全部标签<h4></h4>内的文本，可使用如下Python代码：

import re

with open("html.html",'rU') as strf:

....str = strf.read()

res = r'(?<=<h4>).*?(?=</h4>)'

li = re.findall(res,str)

with open("new.txt","w") as wstr:

....for s in li:

........wstr.write(s)

........wstr.write("\r\n")

........print(s,'\r\n')

正则表达式r'(?<=<h4>).*?(?=</h4>)中括号部分属于向后向前查找，相当于字符串作为边界进行查找。

运行后会将标签<h4></h4>内的文本提取到文件new.txt：

-End-