Possible Duplicate:
Strip html from strings in python
RegEx match open tags except XHTML self-contained tags
我在python模块中有一个regex模式,它从给定的字符串中删除html标记。在
这个案子不行。在
输入字符串:
string=<li class="
tal
"><h3><a href="/aclk?sa=l&ai=CoS4y-Wz0TrnqC8y0rAfysK2DB46PiJECzoK8_yKPwd4FCAAQAigCUL7Kz4P9_____wFg5erjg5gOoAH0m_XuA8gBAakCoqvilYNWVD6qBB1P0Dm6CNzrf62IC36fDvUIh77EpeheIRdH_YEaPw&sig=AOD64_2z9xPK8vOxUCpIGTjBcc2Lg-GAeA&adurl=http://www.policybazaar.com/creditcards/creditcard-india.aspx%3Futm_source%3Dgoogle%26utm_medium%3Dppc%26utm_term%3DCreditcard_delhi_only%26utm_campaign%3Dcredit_card" id="pa2">Compare <b>Credit Cards</b> | PolicyBazaar.com</a></h3>Get Best <b>Credit Card</b> For Free, Now U Have a Choice, Choose wisely!<br /><cite>www.policybazaar.com/<b>credit</b>-<b>Cards</b></cite></li>
正则表达式模式:
^{pr2}$结果仍然有<li>
标记。如何删除它,而不考虑这个类名和字符串模式。在
如果您只是想从字符串中删除所有的HTML,您可以查看以下内容:http://code.activestate.com/recipes/440481-strips-xmlhtml-tags-from-string/
在这种情况下,您应该使用
DOTALL
功能:应该行得通。在
但是。。。您不应该将regex用于HTML解析,请参见以下内容:https://stackoverflow.com/a/1732454/11621
好吧。在
谷歌或搜索Stackoverflow的HTML和regex-这是个坏主意。最好使用BeautifulSoup或其他真正的HTML解析器并修改DOM。在
相关问题 更多 >
编程相关推荐