python中的regex模式，用于解析HTML标题标签

python中的regex模式，用于解析HTML标题标签

您正在使用正则表达式，并且将与此类表达式匹配的HTML变得太复杂，太快。

取而代之的是使用HTML解析器，Python有多种选择。我建议您使用BeautifulSoup，这是一个受欢迎的3rd
party库。

BeautifulSoup示例：

from bs4 import BeautifulSoupresponse = urllib2.urlopen(url)soup = BeautifulSoup(response.read(), from_encoding=response.info().getparam('charset'))title = soup.find('title').text

由于

title

标签本身不包含其他标签，因此可以在此处使用正则表达式，但是一旦尝试解析嵌套标签， 就会 遇到非常复杂的问题。

您可以通过匹配

title

标记中的其他字符来解决您的特定问题，可以选择：

r'<title[^>]*>([^<]+)</title>'

匹配0个或多个 不是 右

>

括号的字符。此处的“ 0或更多”可让您同时匹配额外的属性和纯

<title>

标签。