Python新手求助：如何从output2.txt提取title=后的内容

你当前的代码只收集了title出现的索引位置，并没有实际提取目标内容。要拿到title=之后的文本，你可以按以下方式修改：

• 把查找目标从"title"改成"title="，直接定位到属性值的起始点
• 找到title=的位置后，计算属性值的起始索引：start = pos + len("title=")
• 从start位置开始，找到下一个双引号（HTML属性值通常用双引号包裹）的位置作为结束点
• 截取两个位置之间的文本就是你要的内容

修改后的代码示例 #

with open('output2.txt', 'r', encoding='utf-8') as f:
    extracted_titles = []
    for line in f:
        # 循环处理一行中多个title=的情况
        pos = line.find("title=")
        while pos != -1:
            # 计算属性值起始位置
            start = pos + len("title=")
            # 找下一个双引号的位置
            end = line.find('"', start)
            if end != -1:
                # 截取内容并去除前后空格
                title_content = line[start:end].strip()
                extracted_titles.append(title_content)
            # 继续查找下一个title=的位置
            pos = line.find("title=", end)

# 打印提取到的所有内容
for content in extracted_titles:
    print(content)

补充建议 #

1. 如果你的HTML里属性值用单引号包裹，把line.find('"', start)改成line.find("'", start)即可
2. 更健壮的方式是用HTML解析库（比如BeautifulSoup），能自动处理换行、转义字符等特殊情况：

from bs4 import BeautifulSoup

with open('output2.txt', 'r', encoding='utf-8') as f:
    soup = BeautifulSoup(f.read(), 'html.parser')
    # 提取所有带title属性的元素的属性值
    all_titles = [tag.get('title') for tag in soup.find_all(attrs={"title": True}) if tag.get('title')]
    for title in all_titles:
        print(title)

内容的提问来源于stack exchange，提问作者Jakub Sobola