请帮助从字符串中制作，例如：
<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>
字符串如：
link_text_part1 another_text link_text_part2
在 Python 中使用正则表达式
!note testsite.com 更改
问问题
755 次
4 回答
1
所以你想删除<a>和<em>标签？可以这样做：
>>> s = '<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>'
>>> re.sub("</?(a|em).*?>", "", s)
'link_text_part1 another_text link_text_part2'
在英语中，这会搜索：
- 一个 < 字符
- 可选地后跟 / （获取结束标签）
- 后跟“a”或“em”
- 后跟任何内容，包括第一个 > 字符
并用空字符串替换它们。
然而，正如 Kos 所说，使用正则表达式解析 HTML 具有很高的风险和脆弱性，除非您知道您正在解析的 HTML 的格式永远不会改变。
于 2010-07-23T10:37:25.917 回答
1
string = re.sub('<[^>]+>', '', string)
于 2010-07-23T10:43:45.740 回答
1
通常强烈不推荐使用正则表达式解析 HTML，即使对于简单的情况也是如此。您永远不会知道什么时候遇到了一些会混淆您的正则表达式的 HTML 代码。
轻量级 HTML 解析器通常是更可靠和更优雅的解决方案。
于 2010-07-23T10:43:53.510 回答
0
顺便提一句。这有助于：
from scrapy.utils.markup import remove_tags
...
bbb=remove_tags(aaa)
于 2010-07-25T14:35:08.497 回答