如何去除re.compile python中除了br之外的所有標籤？

Question

我有一個代碼，下面這條所有標籤：

import re 

def cleanhtml(raw_html): 
    cleanr = re.compile('<.*?>') 
    cleantext = re.sub(cleanr, '', raw_html) 
    return cleantext 

payload = '<a href="asdasda.htm">I am inside</a><br/><p>Tagsssss</p>' 
print cleanhtml(payload) 

如何忽略<br>標籤，只是刪除所有其他標籤？此代碼將所有行附加在一起。

Answer 1

使用負前瞻：

<(?!br).*?> 

演示：https://regex101.com/r/91s8rW/1

def cleanhtml(raw_html): 
    cleanr = re.compile(r'<(?!br).*?>') 
    cleantext = cleanr.sub('', raw_html) 
    return cleantext 

對於檢測多個br標籤和一個替換，您可以使用下面的正則表達式：

re.sub(r'(<br>)+', r'\1', your_text) 

演示：

In [7]: re.sub(r'(<br>)+', r'\1', 'foobar<br><br><br>barbaz') 
Out[7]: 'foobar<br>barbaz'