提取正则表达式匹配项的一部分

我想要一个正则表达式从HTML页面提取标题。目前我有这个：

title = re.search('<title>.*</title>', html, re.IGNORECASE).group()
if title:
    title = title.replace('<title>', '').replace('</title>', '') 

是否有一个正则表达式仅提取<title>的内容，所以我不必删除标签？

用( )在正则表达式和group(1)python中检索捕获的字符串（re.search将返回None如果没有找到结果，所以不要用group()直接）：

title_search = re.search('<title>(.*)</title>', html, re.IGNORECASE)

if title_search:
    title = title_search.group(1)

请注意，通过开始Python 3.8并引入赋值表达式（PEP 572）（:=运算符），可以通过在if条件中直接将匹配结果捕获为变量并将其在条件体内重复使用，从而对KrzysztofKrasoń解决方案进行一些改进：

# pattern = '<title>(.*)</title>'
# text = '<title>hello</title>'
if match := re.search(pattern, text, re.IGNORECASE):
  title = match.group(1)
# hello

尝试使用捕获组：

title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)

re.search('<title>(.*)</title>', s, re.IGNORECASE).group(1)

我可以推荐你去美丽汤。汤是一个很好的库，可以解析您的所有html文档。

soup = BeatifulSoup(html_doc)
titleName = soup.title.name

尝试：

title = re.search('<title>(.*)</title>', html, re.IGNORECASE).group(1)

提供的代码段不能应付Exceptions 我的建议

getattr(re.search(r"<title>(.*)</title>", s, re.IGNORECASE), 'groups', lambda:[u""])()[0]

如果未找到模式或第一个匹配项，则默认情况下返回空字符串。

我认为这足够了：

#!python
import re
pattern = re.compile(r'<title>([^<]*)</title>', re.MULTILINE|re.IGNORECASE)
pattern.search(text)

...假设您的文本（HTML）位于名为“ text”的变量中。

这也假定没有其他HTML标记可以合法地嵌入HTML TITLE标记内部，并且没有办法合法地将任何其他<字符嵌入这样的容器/块中。

但是 ...

不要在Python中使用正则表达式进行HTML解析。使用HTML解析器！（除非您要编写完整的解析器，否则当标准库中已经包含各种HTML，SGML和XML解析器时，这将是一项额外的工作。

如果您处理“真实世界” 标记汤 HTML（通常不符合任何SGML / XML验证器），请使用BeautifulSoup包。它尚未出现在标准库中，但为此目的广泛建议使用。

另一个选项是：lxml ...，它是为结构正确（符合标准的HTML）编写的。但是它可以选择退回到使用BeautifulSoup作为解析器：ElementSoup。