python - Python regex - 清理markdown html

Question

我正在尝试找出一种清理/重新格式化以 Markdown 格式编写的用户生成内容的好方法。我想“纠正”不当内容（尽可能）。

现在我坚持使用 HTML 注释（尽管我很欣赏任何嵌入的 HTML）。

降价格式要求任何嵌入的 HTML 都出现在它自己的行中。

坏（输入）：

one
<!-- two -->
three
four
five <!-- five.point.five -->
six

好（输出）：

one

<!-- two -->

three
four
five

<!-- five.point.five -->

six

Answer 1

你可以使用这个：

re.sub(r'\s*(<!--(?:[^-]+|-(?!->))*-->)\s*', '\\n\\n\\1\\n\\n', yourstring)

Answer 2

要将第一个输出转换为第二个输出，您可以<!--用\r\n<!--和-->替换-->\r\n，或者任何换行符或常量，等效于\r\n. 您可以使用 来执行此操作replace()，可能不需要正则表达式。[\r其实没必要。]

您似乎暗示您已经这样做了，所以您的问题可能还有更多。