怎么提取 HTML 中的标签?

html-css024

怎么提取 HTML 中的标签?,第1张

功能: 从文件中提取HTML标签

* 入口:

* $filename 文件名

* $tag 标签名

* 返回数组,每项为:

* tagName String

* Text String

* Attrs Array

*

* 示例:

* print_r(tags(“test1.htm“,“a“))

* print_r(“http://localhost/index.htm“,“img“)

*/

function tags($filename,$tag) {

$buffer = join(““,file($filename))

$buffer = eregi_replace(“\r\n“,““,$buffer)

$tagkey = sql_regcase($tag)

$buffer = eregi_replace(“〈$tagkey “,“\n〈$tag “,$buffer)

$ar = split(“\n“,$buffer)

foreach($ar as $v) {

if(! eregi(“〈$tagkey “,$v)) continue

eregi(“〈$tagkey ([^〉]*)((.*)〈/$tagkey)?“,$v,$regs)

$p[tagName] = strtoupper($tag)

if($regs[3])

$p[Text] = $regs[3]

$s = trim(eregi_replace(“[ \t]+“,“ “,$regs[1])).“ “

$s = eregi_replace(“ *= *“,“=“,$s)

$a = split(“ “,$s)

for($i=0$i〈count($a)$i++) {

$ch = array()

if(eregi(“=[\“’]“,$a[$i])) {

$j = $i+1

while(!eregi(“[\“’]$“,$a[$i])) {

$a[$i] .= “ “.$a[$j]

unset($a[$j])

}

}

}

foreach($a as $k) {

$name = strtoupper(strtok($k,“=“))

$value = strtok(“\0“)

if(eregi(“^[\“’]“,$value))

$value = substr($value,1,-1)

if($name)

$p[Attrs][$name] = $value

}

$pp[] = $p

}

return $pp

}

?〉

如果是中间的数据直接就用bs4最简单

from bs4 import BeautifulSoup

#这里是请求过来的额数据处理,提取标签

html = BeautifulSoup(response.text, 'html.parser')

body = html.body       # 获取body部分数据

div = body.find("div",{'id','today'}) #用find去找div标签,id叫 today的标签里面的数据

就可以了

如果要提取标签内容比如value的值

div = body.find("input",id='hidden_title')['value']