Python字符串操作，在html标签之间提取文本

Question

我有一个字符串：

<font face="ARIAL,HELVETICA" size="-2">  
JUL 28         </font>

（它的输出超过两行，因此其中必须有一个\ n。

我希望提取<font></font>标签之间的字符串。在这种情况下，它是7月28日，但是可能是另一个日期或其他某个数字。

1）从字体标签之间提取值的最佳方法是什么？我本以为可以提取">和之间的所有内容</。

编辑：第二个问题删除。

Answer 1

尽管可以使用正则表达式解析任意HTML，但这通常是一个死亡陷阱。有很多很棒的用于解析HTML的工具，包括BeautifulSoup，它是一个Python库，可以很好地处理
损坏的 HTML。

>>> from BeautifulSoup import BeautifulSoup as BSHTML
>>> BS = BSHTML("""
... <font face="ARIAL,HELVETICA" size="-2">  
... JUL 28         </font>"""
... )
>>> BS.font.contents[0].strip()
u'JUL 28'

然后，您只需要解析日期：

>>> datetime.strptime(BS.font.contents[0].strip(), '%b %d')
>>> datetime.datetime(1900, 7, 28, 0, 0)
datetime.datetime(1900, 7, 28, 0, 0)