用Python解析HTML正则表达式

Question

我是使用Python Regex的新手。我试图从HTML中提取一些数据，并且不确定正确的语法是否正确地执行此操作

我得到以下数据，我想提取数据Birthdate ='1969年7月4日'，家乡=“马队领，新泽西州”，学院=“宾夕法尼亚州立大学，1991年”，研究生=“弗吉尼亚州，1996年”

data = <b>Birthdate:</b> July 4, 1969<br/><b>Hometown:</b> Colts Neck, N.J.<br/><b>College:</b> Penn State, 1991<br/><b>Post-graduate:</b> Virginia, 1996</td></tr></table> 
Birthdate = re.findall(r'<b>Birthdate:</b>(.*)<br/>', data) 
Hometown = re.findall(r'<b>Hometown:></b>(.*)<br/>', data) 
College = re.findall(r'<b>College:</b>(.*)<br/>, data) 
Post-graduate = re.findall(r,<b>Post-graduate:</b>(.*)<td/>, data) 

诚然，我没有使用re.findall或通配符(.*)正常这里是因为我得到一个返回的字符串，该字符串以我想要的值开始，并到达数据末尾，最后一个
标记。我想使用一个函数来在这个例子中定义 (.*)的模式之间拉取数据。

Answer 1

如果你想使用regex，那么你可以考虑这个，

>>> import re 
>>> s = '''data = <b>Birthdate:</b> July 4, 1969<br/><b>Hometown:</b> Colts Neck, N.J.<br/><b>College:</b> Penn State, 1991<br/><b>Post-graduate:</b> Virginia, 1996</td></tr></table>''' 
>>> dict(re.findall(r'<b>([^:]*):</b> *([^<]*)', s)) 
{'Hometown': 'Colts Neck, N.J.', 'Birthdate': 'July 4, 1969', 'College': 'Penn State, 1991', 'Post-graduate': 'Virginia, 1996'}