需提取内容:
文章内容 = '''
<td class="abcde:0:WW_11" style=";"><center>占位这是关键词A占位</center><td class="yyyyy:7:hh_45" style="white;"><center></center><td class="qwert:7:no_22" style=";"><nametext>需要提取的内容1</nametext>
'''
'''
<td class="abcde:5:WW_11" style=";"><center>占位这是关键词A占位</center><td class="yyyyy:56:hh_87" style="white;"><center></center><td class="qwert:76:no_22" style=";"><nametext>需要提取的内容2</nametext>
'''
'''
<td class="abcde:2:WW_11" style=";"><center></center><td class="yyyyy:6:hh_76" style="white;"><center></center><td class="qwert:7:no_22" style=";"><nametext>不需要内容1</nametext>
'''
'''
<td class="abcde:3:WW_11" style=";"><center></center><center><span>其他内容关键词A其他内容</span></center><td class="yyyyy:6:hh_85" style="white;"><center></center><td class="qwert:9:no_22" style=";"><nametext>不需要内容2</nametext>
'''
尝试多个 .*? 匹配出一堆不需要的 换成.* 匹配出来的又不对
''' :WW_11 .*? <center> .*? 关键词A .*? no_22 .*? <nametext> (.*?) </nametext> '''
import re
text = '''
<td class="abcde:0:WW_11" style=";"><center>占位这是关键词A占位</center><td class="yyyyy:7:hh_45" style="white;"><center></center><td class="qwert:7:no_22" style=";"><nametext>需要提取的内容1</nametext>
<td class="abcde:5:WW_11" style=";"><center>占位这是关键词A占位</center><td class="yyyyy:56:hh_87" style="white;"><center></center><td class="qwert:76:no_22" style=";"><nametext>需要提取的内容2</nametext>
<td class="abcde:2:WW_11" style=";"><center></center><td class="yyyyy:6:hh_76" style="white;"><center></center><td class="qwert:7:no_22" style=";"><nametext>不需要内容1</nametext>
<td class="abcde:3:WW_11" style=";"><center></center><center><span>其他内容关键词A其他内容</span></center><td class="yyyyy:6:hh_85" style="white;"><center></center><td class="qwert:9:no_22" style=";"><nametext>不需要内容2</nametext>
'''
res = re.findall(r''':WW_11[^<>]*><center>(?:(?!</center>).)*?关键词A.*?no_22.*?<nametext>(.*?)</nametext>''',text)
print(res)
输出:['需要提取的内容1', '需要提取的内容2']
'WW_11".*?<center>.*?关键词.*?no_22.*?<nametext>(.*?)</nametext>'
re.findall(''':WW_11.*?<center>.*?关键词.*?no_22.*?<nametext>(.*?)</nametext>''',t,re.M),注意不要有多余空格,把文章内容写入一个变量中,把中间双引号全去掉。
结果:['需要提取的内容1', '需要提取的内容2']
假设s为文章内容
result = re.findall('.*?<nametext>(.*?)<\/nametext>', s, re.M)