如何在Python中使用正则表达式从文件底部读取HTML标记之间？

如何解决如何在Python中使用正则表达式从文件底部读取HTML标记之间？

我有一个HTML响应，我需要获取页面上最后<title>个标记之间的数据，有没有办法在Python中使用regex或在Python中使用其他工具？>

例如

<title>abc
</title>

<title>def
</title>

应返回def。

解决方法

您不应该使用正则表达式来解析HTML，因为大多数情况下效率低下且难以阅读。如果您没有其他选择，则Regex应该是最后的选择。检查here了解更多信息。

非常感谢有许多BeautifulSoup这样的Python HTML解析器。

使用BeautifulSoup，您可以使用以下代码获取最后一个标题标签：

last_title = soup.find_all('title')[-1].text.replace('\n','')

,

使用<title>\s*([\s\S]+?)\s*</title>作为findall作为正则表达式（从标题去除开头和结尾的空白），并获取最后出现的内容：

Regex Demo

import re

text = """abc
<title>abc
</title>
def
ghi
<title>def
</title>
jkl
"""

tags = re.findall(r'<title>\s*([\s\S]+?)\s*</title>',text)
print(tags[-1]) # the last one

打印：

def