Teil einer Regex-Übereinstimmung extrahieren

Question

Ich möchte einen regulären Ausdruck, um den Titel aus einer HTML-Seite zu extrahieren. Derzeit habe ich dies:

title = re.search('<title>.*</title>', html, re.IGNORECASE).group()
if title:
    title = title.replace('<title>', '').replace('</title>', '') 

Gibt es einen regulären Ausdruck, der nur den Inhalt von <title> extrahiert, so dass ich die Tags nicht entfernen muss?

Answer 1

Verwenden Sie ( ) in regexp und group(1) in Python, um die erfasste Zeichenkette abzurufen ( re.search wird zurückgegeben None wenn es das Ergebnis nicht findet, also verwenden Sie nicht group() direkt ):

title_search = re.search('<title>(.*)</title>', html, re.IGNORECASE)

if title_search:
    title = title_search.group(1)

Answer 2

Beachten Sie, dass ab Python 3.8 und die Einführung von Zuweisungsausdrücke (PEP 572) ( := Operator), ist es möglich, ein wenig zu verbessern auf Die Lösung von Krzysztof Krason indem Sie das Ergebnis der Übereinstimmung direkt in der if-Bedingung als Variable erfassen und im Körper der Bedingung wiederverwenden:

# pattern = '<title>(.*)</title>'
# text = '<title>hello</title>'
if match := re.search(pattern, text, re.IGNORECASE):
  title = match.group(1)
# hello

Answer 3

Versuchen Sie es mit Erfassungsgruppen:

title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)

Answer 4

Darf ich Ihnen Beautiful Soup empfehlen? Soup ist eine sehr gute Lib, um Ihr gesamtes HTML-Dokument zu analysieren.

soup = BeatifulSoup(html_doc)
titleName = soup.title.name

Answer 5

Versuchen Sie es:

title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)