如何從python中的字符串獲取純文本？

沒有與很多html標籤，如下面的字符串，
u'find /home/tiger/workspace  -name "[0-9]*" find /home/tiger/workspace  -name "[!0-9]*" find /home/tiger/workspace  -name "[^0-9]*" \u627e\u51fa\u6240\u6709\u5305\u542b\u6570\u5b57\u7684\u6587\u4ef6\uff0c\u4e0d\u5305\u542b\u6570\u5b57\u7684\u6587\u4ef6\u3002 [email protected]:~$ find /home/tiger  -name "*[0-9]*"  >kan1 [email protected]:~$ find /home/tiger  -name "[0-9]*"  >kan2 [email protected]:~$ find /home/tiger  -name "*[0-9]"  >kan3 \u5305\u542b\u6570\u5b57\uff0c\u6570\u5b57\u5f00\u5934\uff0c\u6570\u5b57\u7ed3\u5c3e'如何從python中的字符串獲取純文本？

我怎樣才能獲得字符串中的純文本刪除HTML標籤？

來源

2013-04-07 it_is_a_literature

[使用Python從HTML文件中提取文本]的可能重複（http://stackoverflow.com/questions/328356/extracting-text-from-html-file-using-python） – karthikr 2013-04-07 04:21:43

使用html2text庫：

>>> print html2text.html2text(s) 
find /home/tiger/workspace&nbsp_place_holder; -name "[0-9]*" 

find /home/tiger/workspace&nbsp_place_holder; -name "[!0-9]*" 

find /home/tiger/workspace&nbsp_place_holder; -name "[^0-9]*" 


找出所有包含數字的文件，不包含數字的文件。 

[email protected]:~$ find /home/tiger&nbsp_place_holder; -name 
"*[0-9]*"&nbsp_place_holder; >kan1 

[email protected]:~$ find /home/tiger&nbsp_place_holder; -name 
"[0-9]*"&nbsp_place_holder; >kan2 

[email protected]:~$ find /home/tiger&nbsp_place_holder; -name 
"*[0-9]"&nbsp_place_holder; >kan3 



包含數字，數字開頭，數字結尾

參考見Extracting text from HTML file using Python。

來源

2013-04-07 05:10:14 jterrace

如何從python中的字符串獲取純文本？

回答

相關問題