регулярное выражение для извлечения текста из HTML

Вы не можете анализировать div HTML с помощью регулярных regularexpression выражений. Это слишком сложно. RE html вообще не будет корректно regex обрабатывать разделы. Кроме div того, некоторые общие элементы regex HTML, такие как <text>, будут работать text-extraction в браузере как правильный perl-regex текст, но могут сбить с толку span наивный RE.

Вы будете счастливее html5 и успешнее с правильным парсером regularexpression HTML. Разработчики Python regularexpression часто используют что-то Beautiful Soup для span разбора HTML и удаления тегов regexp и скриптов.

Кроме того, браузеры webpage по своей природе допускают text-extraction некорректный формат HTML. Таким span образом, вы часто обнаружите, что div пытаетесь разобрать HTML, который regularexpression явно не подходит, но работает div нормально в браузере.

Возможно, вы div сможете разобрать плохой regular-expression HTML с помощью RE. Все, что regex для этого требуется, — это regex терпение и трудолюбие. Но regular-expressions зачастую проще воспользоваться html чужим парсером.