用于选择内部文本的正则表达式<td></td>

Question

Possible Duplicate:
RegEx match open tags except XHTML self-contained tags

从标记中只提取文本的最佳正则表达式是什么？如果我有这样的html标记

<tr class="classo">
<td>text1</td>
<td class="dot">text2 </td>
<td>text3</td>
<td class="dot"> text4</td>
<td class="dot">text4</td>
</tr>

td标记的数量不是固定的，其中一些标记将具有class属性，但我只对从td标记内部获取文本感兴趣

Answer 1

正则表达式<td.*?>(.*?)<\/td>就可以了。在

但是我可以推荐您使用HTMLParser Module或{a2}

我花了点时间给您写了另一个使用HTMLParser的示例：

from HTMLParser import HTMLParser

class TDExtractor(HTMLParser):

  def handle_starttag(self, tag, attrs):
      if tag == 'td':
          self.recording = True

  def handle_endtag(self, tag):
      if tag == 'td':
          self.recording = False

  def handle_data(self, data):
      if self.recording:
          self.data.append(data)

  def reset(self):
      HTMLParser.reset(self)
      self.data = []
      self.recording = False

在行动中：

^{pr2}$