Python的正則表達式：刪除某些HTML標籤和內容在他們

Question

如果我有一個包含這樣的字符串：

<p><span class=love><p>miracle</p>...</span></p><br>love</br> 

而且我想刪除該字符串：

<span class=love><p>miracle</p>...</span> 

，也許一些其他HTML標籤。同時，其他標籤和其中的內容將被保留。

結果應該是這樣的：

<p></p><br>love</br> 

我想知道如何做到這一點使用正則表達式模式？ 我曾嘗試：

r=re.compile(r'<span class=love>.*?(?=</span>)') 
r.sub('',s) 

，但它會離開

</span> 

可以幫助使用我re模塊這段時間，我會學習下一

Answer 1

第一件事HTML解析器第一？ Don’t parse HTML using regular expressions

這就是說，如果在span標籤內沒有額外的span標籤，那麼你可以這樣做：

text = re.sub('<span class=love>.*?</span>', '', text) 

在旁註：段落標籤不應該在span標籤內（只有phrasing content是）。

---

您嘗試過的表達式<span class=love>.*?(?=</span>)已經相當不錯了。問題在於前瞻(?=</span>)將永遠不符合它的前景。因此，表達式將在之前立即停止關閉範圍標記。您現在可以在最後手動添加結束範圍，即<span class=love>.*?(?=</span>)</span>，但這並非必要：.*?是一個非貪婪的表達式。它會嘗試儘可能少地匹配。所以在.*?</span>.*?將只匹配，直到發現立即停止的結束跨度。