如何用简易方法解析包含HTML代码的字符串？

嘿，针对你给出的这种结构规整的HTML表格行（<tr>包含多个<td>），我给你两个超实用的简易解析方案，不用依赖重型框架，上手就能用：

方案一：用Python内置的html.parser（严谨可靠） #

Python自带的HTML解析模块完全能搞定这个需求，它会正确处理HTML标签的嵌套和属性，比正则更稳妥。示例代码如下：

from html.parser import HTMLParser

class TableRowParser(HTMLParser):
    def __init__(self):
        super().__init__()
        self.current_td = False
        self.td_contents = []

    def handle_starttag(self, tag, attrs):
        # 当遇到<td>标签时，标记开始收集内容
        if tag.lower() == 'td':
            self.current_td = True

    def handle_endtag(self, tag):
        # 当遇到</td>标签时，标记结束收集
        if tag.lower() == 'td':
            self.current_td = False

    def handle_data(self, data):
        # 收集<td>里的文本内容，去掉首尾空白
        if self.current_td:
            cleaned_data = data.strip()
            self.td_contents.append(cleaned_data if cleaned_data else None)

# 你的HTML字符串（这里用你给出的示例）
html_str = '''<TR ALIGN=RIGHT VALIGN=TOP> <TD ALIGN=CENTER>TN</TD> <TD></TD> <TD ALIGN=CENTER>W</TD> <TD ALIGN=LEFT>I-40</TD> <TD>1.7</TD> <TD>0:01</TD> <TD></TD> <TD ALIGN=LEFT>+I 40 I 440, TN</TD> <TD>560.8</TD> <TD>8:57</TD> <TD>1198.3</TD> <TD>19:36</TD> </TR>'''

parser = TableRowParser()
parser.feed(html_str)
parser.close()

# 输出每个<td>的内容
print("解析结果：")
for idx, content in enumerate(parser.td_contents):
    print(f"第{idx+1}个TD内容：{content}")

这个方案的好处是完全原生，不需要额外安装依赖，而且能处理各种合法的HTML格式（比如标签大小写、多余空格），适合后续可能扩展的场景。

方案二：用正则表达式（快速简洁） #

如果你的HTML结构完全固定（就像示例里这样，<td>没有嵌套其他标签），用正则会更快捷，一行核心代码就能提取所有<td>的内容：

import re

html_str = '''<TR ALIGN=RIGHT VALIGN=TOP> <TD ALIGN=CENTER>TN</TD> <TD></TD> <TD ALIGN=CENTER>W</TD> <TD ALIGN=LEFT>I-40</TD> <TD>1.7</TD> <TD>0:01</TD> <TD></TD> <TD ALIGN=LEFT>+I 40 I 440, TN</TD> <TD>560.8</TD> <TD>8:57</TD> <TD>1198.3</TD> <TD>19:36</TD> </TR>'''

# 匹配所有<td>标签里的内容，忽略标签属性
td_pattern = re.compile(r'<TD[^>]*>(.*?)</TD>', re.IGNORECASE)
td_contents = [match.group(1).strip() or None for match in td_pattern.finditer(html_str)]

# 输出结果
print("解析结果：")
for idx, content in enumerate(td_contents):
    print(f"第{idx+1}个TD内容：{content}")

⚠️ 注意：正则处理HTML有局限性，如果后续<td>里出现嵌套标签（比如<td><span>文本</span></td>），正则就会失效。但对于你给出的这种简单场景，它足够高效。

内容的提问来源于stack exchange，提问作者compcobalt