python - 正则表达式匹配html的问题。

Question

<dd class="gray6">
  <span class="gray6">
    中文
    <span class="padl27"></span>
    中文
  </span>
  中文内容  #需要抓取的内容
</dd>

用BeautifulSoup html.parser解析的网页，现在用re模块想抓取**第7行**的中文内容，放在一个组里面（.*?）。正则老是匹配不上，用换行符也匹配不上，不知道怎么写了。。。

Answer 1

Puisque vous avez utilisé bs4 pour l'analyser, pourquoi ne pas l'utiliser pour l'extraire ?
Il existe une fonction stripped_string dans bs4 qui répond simplement à vos besoins.

Answer 2

import re
pattern = re.compile(r'</span>.*?</span>(.*?)</dd>', re.S)
str = '''<dd class="gray6">
  <span class="gray6">
    中文
    <span class="padl27"></span>
    中文
  </span>
  中文内容  #需要抓取的内容
</dd>'''
print(pattern.search(str).group(1))


===> 中文内容  #需要抓取的内容

Answer 3

const re = /^\<\/span\>(.*)\<\/dd\>$/

Est-ce que ça va ?