python:将HTML片段分隔为段落

如果字符串只包含段落,则可以使用精心设计的regex和 re.split() . 但是,如果字符串是更复杂的HTML,或者不总是有效的HTML,那么您可能需要查看 BeautifulSoup 包裹。

用法如下:

from BeautifulSoup import BeautifulSoup 

soup = BeautifulSoup(some_html)

paragraphs = list(unicode(x) for x in soup.findAll('p'))

使用 lxml.html 将HTML解析为所需的表单。这基本上是和推荐美汤的人一样的建议,除了 lxml 仍在积极发展,Beatifulsoup发展放缓。

使用 BeautifulSoup 解析HTML并迭代段落。

xml.etree(std lib)或lxml.etree(enhanced)使这项工作变得容易,但我不想得到这个答案,因为我不记得确切的语法。我总是把它和类似的包裹混在一起,每次都要重新查一次。