Pythonの正規表現抽出テキスト

Question

は、次のことを考えてみましょう：

私はこの次は、プリントアウトを取得するために正規表現を使用しないだろうか

<div id=foodmenu> 
    <a href="randomlink">Hot Dog</a> 
</div> 
<div id=foodmenu> 
    <a href="randomlink">Burger</a> 
</div> 
<div id=foodmenu> 
    <a href="randomlink">Chips</a> 
</div> 
<div id=foodmenu> 
    <a href="randomlink">Coke</a> 
</div> 

：

Hot Dog 
Burger 
Chips 
Coke 

Answer 1

正規表現でHTMLを解析しないでください。あなたが主張するならば：

<a[^>]*>(.*?)</a> 

データはキャプチャグループ＃1

Live Demo on Regex101

---

<a>タグとの間のデータは、この正規表現を使用して、別の行に及び/又はくぼみを含む場合：

<a[^>]*>\s*((?:.|\n)*?)</a> 

Live Demo on Regex101

Answer 2

（BeautifulSoup HTMLパーサーを使用して）非正規表現、HTMLパーサーベースのアプローチ：

from bs4 import BeautifulSoup 

data = """ 
<div id=foodmenu> 
    <a href="randomlink">Hot Dog</a> 
</div> 
<div id=foodmenu> 
    <a href="randomlink">Burger</a> 
</div> 
<div id=foodmenu> 
    <a href="randomlink">Chips</a> 
</div> 
<div id=foodmenu> 
    <a href="randomlink">Coke</a> 
</div>""" 

soup = BeautifulSoup(data, "html.parser") 
print([link.get_text() for link in soup.select("#foodmenu > a")]) 

プリント：

['Hot Dog', 'Burger', 'Chips', 'Coke']