如何用Regex从IMDB页面提取genre纯文本 去除HTML标签

原有代码存在两个核心错误：

• 字符串切割规则写的是匹配<p class="genre">，但实际IMDB页面的类型内容存放在<span class="genre">标签内，切割逻辑完全不匹配
• 直接把BeautifulSoup解析得到的标签对象转成字符串做替换，属于冗余操作，BeautifulSoup原生支持提取标签内纯文本，不需要硬写正则、字符串切割，这类硬匹配方案容错率极低。

直接调用标签对象的.text属性提取纯文本，再做简单的格式清理即可，不需要复杂正则：

# 提取影片类型
genre_tag = movie.find('span', class_="genre")
if genre_tag:
    # 去除首尾换行、空白字符，统一逗号后加空格的格式
    genre = genre_tag.text.strip().replace(",", ", ")
else:
    genre = "Not Found"
IMDB_dict[title].append(genre)

代码执行后会直接返回你需要的纯文本结果：Drama, Fantasy, Horror，不会携带任何HTML标签、多余空行或者无关内容。

该实现的兼容性远高于字符串切割、正则匹配方案，只要IMDB页面中genre对应的span标签class属性不变，即使标签内部有其他微小结构调整也能正常提取内容。

内容的提问来源于stack exchange，提问作者luke