如何在 Python 中使用正则表达式从文件底部读取 HTML 标签？

Question

我有一个 HTML 响应，我需要获取<title>页面上最后一个标签之间的数据，有没有办法可以使用 Python 中的正则表达式或使用 Python 中的其他工具来完成此操作？例如。<title>abc</title><title>def</title>应该返回 def。

Answer 1

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。如果您没有任何其他选择，正则表达式应该是最后的选择。

值得庆幸的是，有很多适用于 Python 的 HTML 解析器，例如BeautifulSoup。

使用 BeautifulSoup 你可以获得最后一个标题标签：

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

Answer 2

用作<title>\s*([\s\S]+?)\s*</title>正则表达式（从标题中去除前导和尾随空格）并findall获取最后一次出现的位置：

正则表达式演示

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

印刷：

def