Python正则表达式:删除某些HTML标记及其中的内容
发布时间:2020-12-20 11:28:11 所属栏目:Python 来源:网络整理
导读:如果我有一个包含这个的字符串: pspan class=lovepmiracle/p.../span/pbrlove/br 我想删除字符串: span class=lovepmiracle/p.../span 也许还有其他一些HTML标签.同时,将保留其他标签及其中的内容. 结果应该是这样的: p/pbrlove/br 我想知道如何使用正则
如果我有一个包含这个的字符串:
<p><span class=love><p>miracle</p>...</span></p><br>love</br> 我想删除字符串: <span class=love><p>miracle</p>...</span> 也许还有其他一些HTML标签.同时,将保留其他标签及其中的内容. 结果应该是这样的: <p></p><br>love</br> 我想知道如何使用正则表达式模式? r=re.compile(r'<span class=love>.*?(?=</span>)') r.sub('',s) 但它会离开 </span> 你能帮助我这次使用re模块吗?接下来我将学习html解析器 解决方法
首先要做的事:
Don’t parse HTML using regular expressions
话虽这么说,如果该span标签中没有额外的span标签,那么你可以这样做: text = re.sub('<span class=love>.*?</span>','',text) 另外注意:段落标签不应该在span标签内(仅限phrasing content). 您尝试过的表达式< span class = love>.*?(?=< / span>)已经相当不错了.问题是前瞻(?=< / span>)将永远不会与它前瞻的相匹配.因此表达式将在结束span标记之前立即停止.您现在可以在末尾手动添加结束范围,即< span class = love>.*?(?=< / span>)< / span>,但这不是必需的:.*?是一种非贪婪的表达.它将尝试尽可能少地匹配.所以在.*?< / span> .*?仅匹配直到找到它立即停止的结束跨度. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |