如何用python替換字符串中的html元素？

Question

我有類似下面的字符串，其中包含中國：

'<span class=H>宜家</span><span class=H>同款</span> 世紀寶貝兒童餐椅嬰兒餐椅寶寶餐椅嬰兒吃飯椅' 

現在我想刪除該字符串的所有HTML元素如預期：

'宜家同款世紀寶貝兒童餐椅嬰兒餐椅寶寶餐椅嬰兒吃飯椅' 

我想知道如何做到這一點蟒蛇和重新？非常感謝！

Answer 1

這是一些小事與BeautifulSoup HTML解析器來解決：

>>> from bs4 import BeautifulSoup 
>>> 
>>> data = '<span class=H>宜家</span><span class=H>同款</span> 世紀寶貝兒童餐椅嬰兒餐椅寶寶餐椅嬰兒吃飯椅' 
>>> soup = BeautifulSoup(data) 
>>> soup.text 
'宜家同款 世紀寶貝兒童餐椅嬰兒餐椅寶寶餐椅嬰兒吃飯椅' 

Answer 2

對於僅使用正則表達式一個簡單的解決方案，你可以搜索以下模式，並用空字符串替換所有出現：

\s*<[^>]+>\s* 

例如：

p = re.compile('\s*<[^>]+>\s*') 
p.sub('', '<span class=H>宜家</span><span class=H>同款</span> 世紀寶貝兒童餐椅嬰兒餐椅寶寶餐椅嬰兒吃飯椅') 

不負呃：這決不會處理合法HTML的每一種可能的變化，但只要所有的輸入數據都像你的例子中的數據一樣簡單，它就可以工作。必要時可以對模式進行更改，以處理稍微複雜的輸入。然而，如果你的意圖是處理任何格式良好的HTML文檔作爲輸入，那麼你應該考慮一個實際的HTML解析器，而不是使用正則表達式。