如何从HTML表格行提取文本？现有正则实现，求更Pythonic方案

当然有更符合Python风格的实现方式！用正则表达式处理HTML虽然能解决当前的特定场景，但HTML结构一旦有微小变动（比如标签间多了空格、属性顺序调整），正则就很容易失效。更稳妥且Pythonic的做法是使用专门的HTML解析库——BeautifulSoup。

实现步骤 #

1. 先安装依赖库（如果未安装）：

   pip install beautifulsoup4
   

2. 编写解析代码：

   from bs4 import BeautifulSoup
   
   content = '<tr class="cart-subtotal"><th>RTO / Registration office :</th><td><span class="amount"><h5>Yadgiri</h5></span></td></tr>'
   soup = BeautifulSoup(content, 'html.parser')
   
   # 方式1：通过层级关系逐步定位
   rto_office = soup.find('tr', class_='cart-subtotal').find('h5').get_text(strip=True)
   
   # 方式2：使用CSS选择器精准定位（更简洁）
   rto_office = soup.select_one('tr.cart-subtotal td span.amount h5').get_text(strip=True)
   
   print(rto_office)  # 输出: Yadgiri
   

为什么这更Pythonic？ #

• 可读性更强：代码逻辑直观易懂，不用纠结复杂正则的匹配规则
• 鲁棒性更高：自动忽略HTML中的格式差异（如空格、换行），结构小变动也不影响解析
• 可维护性更好：后续HTML结构调整时，修改查找逻辑比修改正则表达式简单得多

如果只是极简单的固定结构HTML，正则勉强能用，但涉及到实际项目中的HTML解析，用专门的解析库才是更符合Python哲学的选择。

内容的提问来源于stack exchange，提问作者Veera Balla Deva