钟艳玲的作业二

代码

  import requests
  import re
  x=requests.get('http://www.jxufe.edu.cn/')
  html = x.text
  p=re.compile("<.*?>(.*)<.*?>")
  txts = p.findall(html)
  st=""
  for txt in txts:
      st +=str(txt)#将列表转换为字符串
  p2=re.compile(r"<[^>]+>",re.S) #字符串作为一个整体，在整体中进行匹配
  result = p2.sub("",st)#将st中所有与p2匹配成功的字段替换为空
  p3=re.compile("&.*?;|")
  result1=p3.sub("",result)

结果

解释

先导入requests库和 re库

用requests.get方法抓取学校官网网页，将网页的源代码赋给html变量

定义正则表达式，取两边有<>标签中间的内容，用findall方法整理成了列表，用循环遍历将列表转化为字符串

运用前面的正则表达式匹配完后，可以看到txts里面还残留了<>类标签（是因为这些标签左右都有<>标签，因此留下了中间的<>标签}，所以再用正则表达式将其替换为空

注意到匹配结果中还有“  |”标签，再用一次正则表达式，得到结果result1，如截图所示