python - 如何在 Python 中删除 html 文件的特定部分

Question

我正在处理一个包含第 1 项、第 2 项和第 3 项的 html 文件。我想删除第 2 项之后的所有文本。我可以在文件中找到第 2 项，如下所示：

Item2= re.compile (r'(Item 2)',re.I|re.S)
Item2match= Item2.findall(file)

但我不知道如何删除它后面的文字。

Answer 1

只需使用字符串方法将html文本拆分并取第一部分；str.partition()工作更简单：

file.partition('Item 2')[0]

如果您也想保留Item 2文本，请使用：

''.join(file.partition('Item 2')[:2])

这里不需要使用正则表达式；您正在匹配文字文本。正则表达式是一种极富表现力和强大的工具，但如果有更简单的替代方案，请不要使用它。

演示：

>>> 'Some text with Item 2 in it'.partition('Item 2')[0]
'Some text with '
>>> ''.join('Some text with Item 2 in it'.partition('Item 2')[:2])
'Some text with Item 2'

Answer 2

>>> re.sub(r'(?s)(?<=Item&nbsp;2)(.*)', '', file)

例子：

>>> s
'Item 2...feiugeogherger\nfjweifjwef\nsfjioweiefjwe'
>>> re.sub(r'(?s)(?<=Item&nbsp;2)(.*)', '', s)
'Item&nbsp;2'