Python正则表达式提取网页标题
在 HTML 中，网页标题通常被包含在
标签中。我们可以使用 Python 中的正则表达式来匹配 <title> 标签并提取其中的文本内容，从而获取网页的标题信息。</p>
<p>下面是一个简单的示例代码，用于提取网页标题：</p>
<div class="codehilite"><pre><span></span><span class="kn">import</span> <span class="nn">re</span>
<span class="n">html</span> <span class="o">=</span> <span class="s2">"""</span>
<span class="s2"> <html></span>
<span class="s2"> <head></span>
<span class="s2"> <title>pidancode.com - 皮蛋编程</title></span>
<span class="s2"> </head></span>
<span class="s2"> <body></span>
<span class="s2"> <h1>Hello, World!</h1></span>
<span class="s2"> <p>Welcome to pidancode.com.</p></span>
<span class="s2"> </body></span>
<span class="s2"> </html></span>
<span class="s2">"""</span>
<span class="n">pattern</span> <span class="o">=</span> <span class="sa">r</span><span class="s1">'<title>(.*?)</title>'</span>
<span class="n">title</span> <span class="o">=</span> <span class="n">re</span><span class="o">.</span><span class="n">search</span><span class="p">(</span><span class="n">pattern</span><span class="p">,</span> <span class="n">html</span><span class="p">)</span>
<span class="k">if</span> <span class="n">title</span><span class="p">:</span>
<span class="k">print</span><span class="p">(</span><span class="n">title</span><span class="o">.</span><span class="n">group</span><span class="p">(</span><span class="mi">1</span><span class="p">))</span>
</pre></div>
<p>上述代码中，我们首先定义了一个正则表达式模式 pattern，用于匹配 <title> 标签及其包含的文本内容。然后我们使用 re.search() 函数来搜索 HTML 代码中的第一个匹配项，并使用 group() 方法来获取匹配结果中第一个括号中的文本内容。</p>
<p>运行上述代码，我们可以得到以下输出：</p>
<div class="codehilite"><pre><span></span>pidancode.com - 皮蛋编程
</pre></div>
<p>在实际使用中，我们还可以使用 re.findall() 函数来获取 HTML 代码中的所有标题信息，并使用列表等数据结构来保存这些信息。需要注意的是，在使用正则表达式提取网页标题时，还需要考虑到不同网页可能具有不同的 HTML 结构，因此需要根据具体情况定义合适的正则表达式模式。</p>
</div>
<div class="">
<p><strong>相关文章</strong></p>
</div>
</article> </div>
</main>
<footer>
<div class="container">
<p>
<span>友情链接：</span>
<a href="https://www.688576.com" target="_blank">雨伦博客</a>
<a href="https://www.yaanbbs.net" target="_blank">雅安论坛</a>
</p>
<a href="https://beian.miit.gov.cn" target="_blank">京ICP备15023317号-6</a>
</div>
</footer>
<script>
var _hmt = _hmt || [];
(function() {
var hm = document.createElement("script");
hm.src = "https://hm.baidu.com/hm.js?30b42218aa13759c43de5f1971d0a93b";
var s = document.getElementsByTagName("script")[0];
s.parentNode.insertBefore(hm, s);
})();
</script>
</body>
</html>