Eu quero uma expressão regular para extrair o título de uma página HTML. Atualmente eu tenho este:
title = re.search('<title>.*</title>', html, re.IGNORECASE).group()
if title:
title = title.replace('<title>', '').replace('</title>', '')
Existe uma expressão regular para extrair apenas o conteúdo de
então eu não ter que remover as tags? </P> </div>
</div>
</div>
<div id="boxRight" class="tab-content col-xl-6">
<div id="boxSoluzioneDescrizione" class="boxArticolo">
<div class="row">
<div class="col-md-6">
<div class="row justify-content-start">
<div class="col-md-12">
<form id="feedback" action="/pt/articolo/feedback" method="post">
<input type="hidden" name="_csrf" value="joB26Qiibg8EiHPyiIn2DH2Xlpy9W8xof4cxn0t7EjjZ7h2ZY9YdRlXsGobX-phUO6_V1dM3iyYPsFbzfwpCeQ=="> <div class="hidden" style="display:none;">
<div class="form-group field-feedbackform-pagina required">
<input type="hidden" id="feedbackform-pagina" class="pagina" name="FeedbackForm[pagina]" value="/articolo/details">
<p class="help-block help-block-error"></p>
</div> <div class="form-group field-feedbackform-idargomento">
<input type="hidden" id="feedbackform-idargomento" class="idArgomento" name="FeedbackForm[idArgomento]" value="374591">
<p class="help-block help-block-error"></p>
</div> </div>
<div>
Foi útil? <div class="example-block text-center">
<label class="radio-inline" for="happy" style="font-size:1.5em;cursor:pointer;color:green;">
<i class="far fa-thumbs-up" title="This answer is useful"></i> <!-- fas per effetto mano piena -->
<!--<img class="votoImg" src="https://img.icons8.com/color/100/000000/bored.png" width="84" height="84" loading="lazy" fetchpriority="high"> -->
</label>
<input type="radio" id="happy" class="voto input-hidden" name="FeedbackForm[voto]" value="10">
</div>
<div class="example-block text-center">
<label class="radio-inline" for="sad" style="font-size:1.5em;cursor:pointer;color:red;">
<i class="far fa-thumbs-down" title="This answer is not useful"></i> <!-- fas per effetto mano piena -->
<!--<img class="votoImg" src="https://img.icons8.com/color/100/000000/boring.png" width="84" height="84" loading="lazy" fetchpriority="high">-->
</label>
<input type="radio" id="sad" class="voto input-hidden" name="FeedbackForm[voto]" value="0">
</div>
<!--<div class="col-auto example-block text-center"> <label class="radio-inline"> <input type="radio" name="voto" id="exicetd" class="input-hidden" /> <img class="votoImg" src="https://img.icons8.com/color/100/000000/smiling.png " width="84" height="84" loading="lazy" fetchpriority="high"> </label> </div>-->
</div>
<div class="row footer justify-content-between">
<div class="col">
<button type="button" class="btn btn-primary" data-dismiss="modal">Enviar</button>
</div>
</div>
</form> </div>
</div>
</div>
<div class="col-md-6">
</div>
</div>
<div class="row ">
<div class="col-md-12">
<p class="title" style="background-color:green;">
<i class="far fa-thumbs-up"></i> Solução </p>
<div class="testo">
<P> Use <code>(</code> <code>)</code> em regexp e <a href="https://docs.python.org/2/library/re.html#re.MatchObject.group" rel="noreferrer"> <code>group(1)</code> </a> em python para recuperar a cadeia capturada (<a href="https://docs.python.org/2/library/re.html#re.search" rel="noreferrer"> <code>re.search</code> </a> voltará <code>None</code> se não encontrar o resultado, então <em> não use <code>group()</code> diretamente </em>): </p>
<pre><code>title_search = re.search('<title>(.*)</title>', html, re.IGNORECASE)
if title_search:
title = title_search.group(1)
</code></pre> </div>
</div>
</div>
</div>
</div>
</div>
<div class="row mt-4 adv">
<div class="col-12 text-center">
<ins class="adsbygoogle"
style="display:block; text-align:center;"
data-ad-layout="in-article"
data-ad-format="fluid"
data-ad-client="ca-pub-5108424997424987"
data-ad-slot="1879801491"></ins>
<script defer async crossorigin="anonymous">
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
</div>
</div>
<div class="row mt-4 adv">
<div class="col-12 text-center">
</div>
</div>
<div class="row mt-4">
<div class="col-12">
<div id="boxSoluzioniAvanzate" class="boxArticolo soluzioni">
<p class="title" style="background-color:black;"><i class="fas fa-file-alt"></i> Outras dicas</p>
<div class="testo">
<div id="alt1490811" class="boxBorderTop row noMargin pt-4">
<div class="col-md-12 text-left">
<i class="far fa-newspaper fa-2x mb-2" style="display:block;color:gray;"></i>
</div>
<div class="col-md-12">
<P> Tente usar a captura de grupo: </p>
<pre><code>title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)
</code></pre> </div>
</div>
<div id="alt1490812" class="boxBorderTop row noMargin pt-4">
<div class="col-md-12 text-left">
<i class="far fa-newspaper fa-2x mb-2" style="display:block;color:gray;"></i>
</div>
<div class="col-md-12">
<P> Note que a partir <code>Python 3.8</code>, ea introdução de <a href="https://www.python.org/dev/peps/pep-0572/" rel="noreferrer"> expressões de atribuição (PEP 572) </a> (operador <code>:=</code>), é possível melhorar um pouco da <a href="https://stackoverflow.com/a/1327389/9297144"> Krzysztof Krason solução </a> capturando o resultado da partida diretamente no caso condição como uma variável e re uso-lo no corpo da condição: </p>
<pre><code># pattern = '<title>(.*)</title>'
# text = '<title>hello</title>'
if match := re.search(pattern, text, re.IGNORECASE):
title = match.group(1)
# hello
</code></pre> </div>
</div>
<div id="alt1490813" class="boxBorderTop row noMargin pt-4">
<div class="col-md-12 text-left">
<i class="far fa-newspaper fa-2x mb-2" style="display:block;color:gray;"></i>
</div>
<div class="col-md-12">
<P> <code>re.search('<title>(.*)</title>', s, re.IGNORECASE).group(1)</code> </p> </div>
</div>
<div id="alt1490814" class="boxBorderTop row noMargin pt-4">
<div class="col-md-12 text-left">
<i class="far fa-newspaper fa-2x mb-2" style="display:block;color:gray;"></i>
</div>
<div class="col-md-12">
<P> As peças fornecidas de código não lidar com <code>Exceptions</code>
Posso sugerir </p>
<pre><code>getattr(re.search(r"<title>(.*)</title>", s, re.IGNORECASE), 'groups', lambda:[u""])()[0]
</code></pre>
<P> Este retorna uma string vazia por padrão, se o padrão não foi encontrado, ou o primeiro jogo. </P> </div>
</div>
<div id="alt1490815" class="boxBorderTop row noMargin pt-4">
<div class="col-md-12 text-left">
<i class="far fa-newspaper fa-2x mb-2" style="display:block;color:gray;"></i>
</div>
<div class="col-md-12">
<P> Tente: </p>
<pre><code>title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)
</code></pre> </div>
</div>
<div id="alt1490816" class="boxBorderTop row noMargin pt-4">
<div class="col-md-12 text-left">
<i class="far fa-newspaper fa-2x mb-2" style="display:block;color:gray;"></i>
</div>
<div class="col-md-12">
<P> Maio eu recomendo que você Beautiful Soup. Sopa é um bom lib para analisar todo o seu documento HTML. </P>
<pre><code>soup = BeatifulSoup(html_doc)
titleName = soup.title.name
</code></pre> </div>
</div>
<div id="alt1490817" class="boxBorderTop row noMargin pt-4">
<div class="col-md-12 text-left">
<i class="far fa-newspaper fa-2x mb-2" style="display:block;color:gray;"></i>
</div>
<div class="col-md-12">
<P> Eu acho que isso deve ser suficiente: </p>
<pre><code>#!python
import re
pattern = re.compile(r'<title>([^<]*)</title>', re.MULTILINE|re.IGNORECASE)
pattern.search(text)
</code></pre>
<P> ... assumindo que o seu texto (HTML) está em uma variável chamada "texto." </P>
<P> Isso também pressupõe que não há outras tags HTML que pode ser legalmente incorporado dentro de uma tag HTML TITLE e não há maneira de legalmente incorporar qualquer outro caractere <dentro de tal um recipiente / bloco. </P>
<P> <strong> No entanto </strong> ... </p>
<P> Não use expressões regulares para HTML parsing em Python. Use um analisador de HTML! (A menos que você está indo para escrever um parser completo, o que seria um trabalho extra quando vários HTML, SGML e XML parsers já estão nas bibliotecas padrão. </P>
<P> Se o seu manuseio "mundo real" tag <strong> sopa </strong> HTML (que é freqüentemente não-conforme a qualquer validador SGML / XML), em seguida, usar o <a href = "https: //www.crummy. com / software / BeautifulSoup /" rel = "nofollow noreferrer"> pacote BeautifulSoup </a>. Não é nas bibliotecas padrão (ainda), mas é grande recomendado para esta finalidade. </P>
<P> Outra opção é: <a href="http://lxml.de/" rel="nofollow noreferrer"> lxml </a> ... o que é escrito para devidamente estruturado (normas conformant) HTML. Mas tem uma opção para fallback para usar BeautifulSoup como um analisador:. <a href="http://lxml.de/elementsoup.html" rel="nofollow noreferrer"> ElementSoup </a> </p> </div>
</div>
</div>
</div>
</div>
</div>
<div class="row mt-4">
<div class="col-12">
<div class="attribution">
<div>Licenciado em: <a href="https://creativecommons.org/licenses/by-sa/3.0/" target="_blank">CC-BY-SA</a> com <a href="https://stackoverflow.blog/2009/06/25/attribution-required/" target="_blank">atribuição</a></div>
<div>Não afiliado a <a href="https://stackoverflow.com/" target="_blank">StackOverflow</a></div>
</div>
</div>
</div>
<div id="share"></div>
</div>
<div class="row mb-4 adv">
<div class="col-md-12 text-center">
<!-- GeneraCodice - Footer pagina -->
<ins class="adsbygoogle"
style="display:block"
data-ad-client="ca-pub-5108424997424987"
data-ad-slot="5412049179"
data-ad-format="auto"
data-full-width-responsive="true"></ins>
<script defer async crossorigin="anonymous">
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
</div>
</div>
</div>
</div>
<aside id="bannerRight" class="col-xs-12 col-md-4 col-lg-3 text-center" >
<div class="container mt-4">
<div class="row mb-4 adv">
<div class="col-md-12">
<!-- GeneraCodice - Barra laterale -->
<ins class="adsbygoogle"
style="display:block"
data-ad-client="ca-pub-5108424997424987"
data-ad-slot="1592207755"
data-ad-format="auto"
data-full-width-responsive="true"></ins>
<script defer async crossorigin="anonymous">
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
</div>
</div>
<div class="row adv">
<div class="col-md-12">
<!-- GeneraCodice - Barra laterale 2 -->
<ins class="adsbygoogle"
style="display:block"
data-ad-client="ca-pub-5108424997424987"
data-ad-slot="8889943968"
data-ad-format="auto"
data-full-width-responsive="true"></ins>
<script defer async crossorigin="anonymous">
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
</div>
</div>
<div class="row topArticoli justify-content-center">
<div class="col-md-12 col-lg-10 pt-4">
</div>
</div>
</div>
</aside>
</div>
</section>
<!-- DA INSERIRE COLLEGAMENTO A GENERANEWS E GRATISFORGRATIS.COM -->
<footer class="site-footer">
<div class="section-free d-block d-md-flex">
<div class="section-newsletter col">
</div>
<div class="col content-free-projects mb-2">
<div>
<p class="my-3">Links Úteis</p>
</div>
<div class="d-flex justify-content-around">
<div></div>
<div>
<a class="nav-link" href="https://www.generacodice.com/pt/tag">Tag</a>
<a class="nav-link" href="https://www.generacodice.com/pt/site/aboutus">Sobre nós</a>
<a class="nav-link" href="https://www.generacodice.com/pt/site/contacts">Contatos</a>
<a class="nav-link" href="https://www.generacodice.com/pt/site/privacy">Privacidade</a>
</div>
<div>
<a class="nav-link social fb" href="https://www.facebook.com/generacodice" target="_blank"><i class="fab fa-facebook"></i> Facebook</a>
<a class="nav-link social instagram" href="https://www.instagram.com/genera_codice" target="_blank"><i class="fab fa-instagram"></i> Instagram</a>
</div>
<div></div>
</div>
<div class="small-footer-link d-flex align-items-center justify-content-center">
<form action="https://www.paypal.com/cgi-bin/webscr" method="post" target="_top">
<input type="hidden" name="cmd" value="_s-xclick" />
<input type="hidden" name="hosted_button_id" value="42ZKUPRLM66J2" />
<input type="image" src="https://www.paypalobjects.com/en_US/i/btn/btn_donate_SM.gif" border="0" name="submit" title="PayPal - The safer, easier way to pay online!" alt="Donate with PayPal button" />
</form>
</div>
</div>
</div>
<div class="row m-0 justify-content-center text-center p-2">
<div class="col-md-5">
<p>O conteúdo é licenciado no Creative Commons.</p>
<p class="mb-0">Se você encontrar violações de direitos autorais, poderá entrar em contato conosco em <a href="mailto:info@generacodice.com"> info@generacodice.com </a> para solicitar a remoção do conteúdo.</p>
</div>
</div>
</footer>
<div id="scroll-to-top" style="display: block;background:none;">
<img src="https://www.generacodice.com/img/icone/scroll-top.svg" alt="scroll top" style="width:48px;height:48px;background-color:#fff;" />
</div>
<!-- Google Analytics -->
<!-- Google tag (gtag.js) -->
<script src="https://www.googletagmanager.com/gtag/js?id=G-PNYLV6VWJG" async crossorigin="anonymous"></script>
<script crossorigin="anonymous" defer>
window.dataLayer = window.dataLayer || [];
function gtag(){dataLayer.push(arguments);}
gtag('js', new Date());
gtag('config', 'G-PNYLV6VWJG');
</script>
<!-- Visualizzare barra ricerca su google -->
<script type="application/ld+json" crossorigin="anonymous">
{
"@context": "https://schema.org",
"@type": "WebSite",
"url": "https://www.generacodice.com/",
"potentialAction": {
"@type": "SearchAction",
"target": "https://www.generacodice.com/articolo?ricerca={search_term_string}",
"query-input": "required name=search_term_string"
}
}
</script>
<!-- Yandex.Metrika counter
<script type="text/javascript" defer crossorigin="anonymous">
(function(m,e,t,r,i,k,a){m[i]=m[i]||function(){(m[i].a=m[i].a||[]).push(arguments)};
m[i].l=1*new Date();k=e.createElement(t),a=e.getElementsByTagName(t)[0],k.async=1,k.src=r,a.parentNode.insertBefore(k,a)})
(window, document, "script", "https://mc.yandex.ru/metrika/tag.js", "ym");
ym(79291009, "init", {
clickmap:true,
trackLinks:true,
accurateTrackBounce:true,
webvisor:true
});
</script>
<noscript><div><img src="https://mc.yandex.ru/watch/79291009" style="position:absolute; left:-9999px;" alt="" /></div></noscript>
<!-- /Yandex.Metrika counter -->
<script>var lingua = "https://www.generacodice.com/pt";</script>
<script src="/lib/wow.min.js" preload></script>
<script src="/lib/js.cookie.min.js" preload></script>
<script src="https://cdn.jsdelivr.net/npm/cookie-bar/cookiebar-latest.min.js?customize=1&tracking=1&thirdparty=1&always=1&noGeoIp=1&showNoConsent=1&showPolicyLink=1&privacyPage=https%3A%2F%2Fwww.generacodice.com%2Fsite%2Fprivacy" preload></script>
<script src="/js/form_ricerca.js" preload></script>
<script src="https://kit.fontawesome.com/99a60a9345.js" preload></script>
<script src="/js/ads.js" defer="defer" preload></script>
<script src="/js/main.js?timestamp=20221207" defer="defer" preload></script>
<script src="/assets/44258436/yii.js"></script>
<script src="/assets/44258436/yii.validation.js"></script>
<script src="/assets/44258436/yii.activeForm.js"></script>
<script src="/js/feedback.js" defer></script>
<script src="/js/articulate.min.js"></script>
<script src="/js/playerTesto.js?202310021220"></script>
<script src="/lib/jssocials/jssocials.min.js"></script>
<script src="/js/sceditor/minified/sceditor.min.js"></script>
<script src="/js/sceditor/minified/formats/xhtml.js"></script>
<script src="/js/articolo/details.js?202309292139"></script>
<script>jQuery(function ($) {
jQuery('#feedback').yiiActiveForm([{"id":"feedbackform-pagina","name":"pagina","container":".field-feedbackform-pagina","input":"#feedbackform-pagina","error":".help-block.help-block-error","validate":function (attribute, value, messages, deferred, $form) {yii.validation.required(value, messages, {"message":"“Pagina” não pode ficar em branco."});}},{"id":"feedbackform-idargomento","name":"idArgomento","container":".field-feedbackform-idargomento","input":"#feedbackform-idargomento","error":".help-block.help-block-error","validate":function (attribute, value, messages, deferred, $form) {yii.validation.number(value, messages, {"pattern":/^[+-]?\d+$/,"message":"“Id Argomento” deve ser um número inteiro.","skipOnEmpty":1});}}], []);
});</script>
<script>
window.addEventListener('load', function() {
var is_adsense_load = 0
window.addEventListener('scroll', function() {
if (is_adsense_load == 0) {
is_adsense_load = 1;
var ele = document.createElement('script');
ele.async = true;
ele.src = 'https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js'
var sc = document.getElementsByTagName('script')[0]
sc.parentNode.insertBefore(ele, sc);
(adsbygoogle = window.adsbygoogle || []).push({
google_ad_client: "ca-pub-5108424997424987",
enable_page_level_ads: true
});
}
})
})
</script>
</body>
</html>
https://stackoverflow.com/questions/1327369
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian