蟒蛇如何取这些字符串

text=u’<a href="#5" accesskey="5"></a><a href="#1" accesskey="1"><font color="#667755">\ue689</font></a><a href="#2" accesskey="2"><font color="#667755">\ue6ec</font></a><a href="#3" accesskey="3"><font color="#667755">\ue6f6</font></a>‘

我是一个蟒蛇新手。我想得到\ ue6ec，\ ue6f6，\ ue6ec，如何获取这些字符串使用重新模块。非常感谢！蟒蛇如何取这些字符串

来源

2010-11-26 user521023

哇，这个片段看起来有意混淆。这究竟是从哪里来的？ – SingleNegationElimination 2010-11-26 07:43:01

Regexp不是使用HTML的好工具。使用Beautiful Soup。

来源

2010-11-26 07:09:39 demas

谢谢你:)我修好了。 – demas 2010-11-26 07:11:53

Don't use regular expressions to parse HTML。使用BeautifulSoup。用于BeautifulSoup的Documentation。

来源

2010-11-26 07:11:46 user225312

非常感谢你 – user521023 2010-11-27 04:54:34

>>> from BeautifulSoup import BeautifulSoup 
>>> text=u'<a href="#5" accesskey="5"></a><a href="#1" accesskey="1"><font color="#667755">\ue689</font></a><a href="#2" accesskey="2"><font color="#667755">\ue6ec</font></a><a href="#3" accesskey="3"><font color="#667755">\ue6f6</font></a>' 
>>> t = BeautifulSoup(text) 
>>> t.findAll(text=True) 
[u'\ue689', u'\ue6ec', u'\ue6f6']

来源

2010-11-26 07:11:53 Kimvais

作为参考，这产生`u'\ ue689 \ ue6ec \ ue6f6'`。 – 2010-11-26 07:14:12

如果您知道该页面将始终具有该格式，请使用BeautifulSoup分析器在HTML中查找您需要的内容。

但是，有时BeautifulSoup可能会由于格式错误的HTML而中断。我建议你使用lxml这是libxml2的python绑定。它将解析并通常纠正格式错误的HTML。

来源

2010-11-26 14:52:05

蟒蛇如何取这些字符串

回答

相关问题