python - 如何获得多行以下在python中用正则表达式标记

Question

我得到了从网站上提取的 HTML 标签：

<ul><li>Some Keys in the UL List</li>
</ul>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description</li>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description\Microsoft</li>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description\Microsoft\Rpc</li>
<li>HKEY_LOCAL_MACHINE\SOFTWARE\Description\Microsoft\Rpc\UuidTemporaryData</li>
</ul></ul>

<ul><li>Some objects in the UL LIST</li>
</ul>
<li>_SHuassist.mtx</li>
<li>MuteX.mtx</li>
<li>Something.mtx</li>
<li>Default.mtx</li>
<li>3$5.mtx</li>
</ul></ul>

如何获取<li>标签之间的行（标签之间的文本）<ul>。那时他们没有任何课程可以区分。

我不太了解 BeautifulSoup 和 Regex。

我想要这个结果作为例子：

<li>_SHuassist.mtx</li>
<li>MuteX.mtx</li>
<li>Something.mtx</li>
<li>Default.mtx</li>
<li>3$5.mtx</li>

Answer 1

与BeautifulSoup：

>>> html = textabove
>>> from bs4 import BeautifulSoup as BS
>>> soup = BS(html)
>>> for ultag in soup.findAll('ul'):
...     for litag in ultag.findAll('li'):
...         print litag.text

哪个打印：

UL 列表中的一些键
UL LIST 中的一些对象

---

要获取后面的<li>标签：

>>> for litag in soup.findAll('li'):
...     if litag.text.endswith('.mtx'):
...         print litag
...         
<li>_SHuassist.mtx</li>
<li>MuteX.mtx</li>
<li>Something.mtx</li>
<li>Default.mtx</li>
<li>3$5.mtx</li>

Answer 2

你不需要正则表达式来看看python的HTMLParser

Answer 3

soup.find(text='UL LIST 中的一些对象').findNext('ul').findAll('li')

谢谢@Haidro，你让我得到了一些想法和搜索，感谢你的帮助和时间。