Question

用python如何得到HTML标签外面的文本？

用python如何得到HTML标签外面的文本？
比如下面的HTML：
<a href='xxx.xxx' title='xxx.xxx.xxx'>a text to see</a>
我想得到“a text to see”这部分的文本，要用什么模块，或者是什么方法？
或者用正则表达式的话，要怎么写？

Answer 1

正则的话

import re
html = "<a href='xxx.xxx' title='xxx.xxx.xxx'>sample text1</a>abcdef<a href='xxx.xxx' title='xxx.xxx.xxx'>sample text2</a>"
result = map(lambda name: re.sub("<a href=.*?>","",name.strip().replace("</a>","")), re.findall("<a href=.*?>.*?</a>",html))
print result

上面代码会把所有a tag里的东西存在result这个list里面。另外python有个模块叫Beautiful Soup，专门用来处理html的，你有空可以看下