在Python中工作，我正在尝试创建一个函数，该函数将股票行情作为字符串接收，并使用从雅虎财经抓取的html数据返回公司名称。我已经让它适用于所有公司，除了一个包含撇号的公司。我检查了 html 代码，发现撇号是这样编码的 - 我很确定它是用 ASCII 编码的。以下是 html 代码的修改版本：
html = '<!DOCTYPE html><html id="atomic" class="NoJs featurephone" lang="en-US"><head prefix="og: http://ogp.me/ns#"><script>window.performance && window.performance.mark && window.performance.mark('PageStart');</script><meta charset="utf-8"/><title>Dick's Inc (DKS) Company Profile & Facts'
我想返回的是"迪克的"。我得到的只是"迪克"。我正在使用 re 模块和重新搜索。这是我的代码：
company_name = (re.search(r'(?<=</script><meta charset="utf-8"/><title>)w+', html).group(0))
我试图包含撇号以确保它不会止步于此，但由于这不是 html 代码的一部分，因此它在任何地方都找不到它。我应该使用re.search以外的其他东西吗？我已经研究了 re.findall，但这并不能解决我查找和包含"'"的问题，而是显示为撇号。
确定您不想要Dick's, Inc (DKS)或更多？只是想知道您是否按预期获得全名。要获得Dick's，您需要取消转义您的 HTML，然后更改您的正则表达式。新的将按顺序查找一个或多个单词字符或撇号。
import html
html_string = '<!DOCTYPE html><html id="atomic" class="NoJs featurephone" lang="en-US"><head prefix="og: http://ogp.me/ns#"><script>window.performance && window.performance.mark && window.performance.mark('PageStart');</script><meta charset="utf-8"/><title>Dick's Inc (DKS) Company Profile & Facts'
html_string = html.unescape(html_string)
company_name = (re.search(r'(?<=</script><meta charset="utf-8"/><title>)[w']+', html_string).group(0))
结果：
"Dick's"