Question

python 正则如何提取<li>标签？

如图 注释的为<li>标签内容，但输出报错为<_sre.SRE_Pattern object at 0x0000000003038450>该如何处理？

Answer 1

findDiv = re.findall(r'<li>\s*<div class="viewimg">(.*?)</li>', h, re.S)

或(import requests用这个模块的话会更方便）

pattern = re.compile(r'<li>\s*<div class="viewimg">(.*?)</li>', re.S)
findDiv = pattern.findall(html)

In [1]: import re

In [2]: h = '''<li>

...: <div class="viewimg"><sdfsdf>

...: sdfsdf

...: </li>'''

In [3]: findDiv = re.findall(r'<li>\s*<div class="viewimg">(.*?)</li>', h, re.S)

...: 

In [7]: pattern = re.compile(r'<li>\s*<div class="viewimg">(.*?)</li>', re.S)

In [8]: pattern.findall(h)

Out[8]: ['<sdfsdf>\nsdfsdf\n']

追问

谢谢  可以了，但中文变成了这个。我在输出整个html时中文格式是utf-8