:) 我不确定为什么下面的 python 代码也会删除空格,但确实如此。有人可以解释一下如果不这样做我怎么能做到这一点?谢谢 !:)
text = html
rules = [
{ r'>\s+' : u'>'},
{ r'\s+' : u' '},
{ r'\s*<br\s*/?>\s*' : u'\n'},
{ r'</(div)\s*>\s*' : u'\n'},
{ r'</(p|h\d)\s*>\s*' : u'\n\n'},
{ r'<head>.*<\s*(/head|body)[^>]*>' : u'' },
{ r'<a\s+href="([^"]+)"[^>]*>.*</a>' : r'\1' },
{ r'[ \t]*<[^<]*?/?>' : u'' },
{ r'^\s+' : u'' }
]
for rule in rules:
for (k,v) in rule.items():
regex = re.compile (k)
text = regex.sub (v, text)
print text