如何使用grep提取单行中多个HTML <p>标签内的内容？

方法1：调整正则表达式，匹配完整的结束标签 #

之前的问题出在你的正则只匹配到第一个<就停止了，咱们可以把终止条件改成匹配</p>，同时用非贪婪匹配来确保不会跨标签匹配。

举个Python的例子：

import re

# 你的目标HTML行
html_content = '<p class="content"> data1 <b>imp</b> data2 </p><p> second paragraph content </p>'

# 正则模式：匹配<p>标签，然后提取到</p>为止的内容
pattern = r'<p.*?>(.*?)</p>'
# 用findall提取所有匹配的内容，re.DOTALL让.匹配换行符（如果你的内容跨行的话）
extracted_contents = re.findall(pattern, html_content, re.DOTALL)

# 逐行输出结果
for content in extracted_contents:
    print(content.strip())

这个正则里的.*?是非贪婪匹配，会尽可能短地匹配内容，直到碰到第一个</p>才停止，这样就能完整提取包括嵌套标签在内的

内部内容了。

方法2：用专业的HTML解析库（更推荐） #

正则处理HTML其实很容易踩坑（比如标签属性里包含特殊字符、嵌套层级复杂等），用专门的解析库会更稳定，比如Python的BeautifulSoup：

from bs4 import BeautifulSoup

html_content = '<p class="content"> data1 <b>imp</b> data2 </p><p> second paragraph content </p>'
# 初始化解析器
soup = BeautifulSoup(html_content, 'html.parser')

# 找到所有<p>标签，逐个提取内容
for p_tag in soup.find_all('p'):
    # decode_contents()会保留嵌套的HTML标签，get_text()则只提取纯文本
    print(p_tag.decode_contents().strip())

这个方法会正确解析HTML的结构，不管

里面嵌套多少层标签，都能精准提取到你想要的内容，完全不用担心提前终止的问题。

内容的提问来源于stack exchange，提问作者Durgesh Agrawal