提取正则表达式匹配的一部分

Question

我想要一个正则表达式从HTML页面中提取标题.目前我有这个:

title = re.search('<title>.*</title>', html, re.IGNORECASE).group()
if title:
    title = title.replace('<title>', '').replace('</title>', '') 

是否有正则表达式只提取<title>的内容,所以我不必删除标签？

Answer 1

用( )在正则表达式和group(1)python中检索捕获的字符串(re.search将返回None如果没有找到结果,所以不要用group()直接):

title_search = re.search('<title>(.*)</title>', html, re.IGNORECASE)

if title_search:
    title = title_search.group(1)

Answer 2

请注意，通过开始Python 3.8并引入赋值表达式（PEP 572）（:=运算符），可以通过直接在if条件中将匹配结果捕获为变量并将其重新用于Krzysztof Kraso？的解决方案，从而有一点改进条件的身体：

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

Answer 3

尝试：

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

Answer 4

我可以向您推荐美丽汤吗？Soup 是一个非常好的库来解析所有 html 文档。

soup = BeatifulSoup(html_doc)
titleName = soup.title.name

Answer 5

尝试使用捕获组:

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

Answer 6

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