解析html，如何获取无标签文本

请不要在回答技术问题时复制粘贴 AI 生成的内容

This topic created in 5187 days ago, the information mentioned may be changed or developed.

获取的页面如下形式<div>循环，用simple_html_dom对其解析时想提取位置为“ 你好，转发的赠书大概什么时候送到，上海的，谢谢”这样的无标签的文本，求解答

<div class="c">
<span class="cmt"><a href="...">游完1200才</a> 对 我 说:</span>
你好，转发的赠书大概什么时候送到，上海的，谢谢 
<span class="ct">2011-09-16 21:17:35</span> <a href="....." class="cc">回复他 </a> <a href="......." class="cc">共3条对话</a>
</div>

nbsp

class

span

7 replies 1970-01-01 08:00:00 +08:00

laiwei

Mar 1, 2012 via Android

pastebin.com/q0FZ1bNJ

请看看我写的这段代码

flyphy

Mar 1, 2012

@laiwei 不是太懂python，只会php.
刚考虑了下用正则提取</span> <span 之间的字符串就行，能否指导如何匹配

lcxz

Mar 1, 2012

用正规则表达式将div内的标签去掉就剩下你想要的内容了

flyphy

Mar 1, 2012

@lcxz 大牛，求php的正则写法

phus

Mar 1, 2012

HTML = u'''\
<div class="c">
<span class="cmt"><a href="...">游完1200才</a> 对 我 说:</span>
你好，转发的赠书大概什么时候送到，上海的，谢谢 
<span class="ct">2011-09-16 21:17:35</span> <a href="....." class="cc">回复他 </a> <a href="......." class="cc">共3条对话</a>
</div>
'''

def main():
tree = lxml.etree.fromstring(HTML, lxml.etree.HTMLParser())
print ''.join(x.strip() for x in tree.xpath('//div[@class="c"]/text()'))

linlinqi

Mar 1, 2012

php的话，看看phpQuery. http://code.google.com/p/phpquery/

orzzzzz

Mar 1, 2012

simpledom里find(".cmt")后,取innerText?