使用python处理HTML标记

2024-10-01 15:36:22 发布

您现在位置：Python中文网/ 问答频道 /正文
8129 3

在HTML文件中，我遇到了以下情况：

<span class="finereader"></span>

或者

^{pr2}$

我想把这些标签都去掉。第二个例子显示标签下可能有一个字母（或数字，但只有1）。不应该删除字母，只删除<span class="finereader">和下面的</span>。 有吗re.sub公司-哪个表达式可以做到这一点？ 谢谢你的帮助。在


Tags： 文件re表达式html字母情况公司数字
2条回答
网友
1楼 · 编辑于 2024-10-01 15:36:22

另一个使用BeautifulSoup的解决方案：

from bs4 import BeautifulSoup

soup = BeautifulSoup(open('htmlfile'))

for elem in soup.find_all('span', class_='finereader'):
    elem.replace_with(elem.string or '') 

print(soup.prettify())
网友
2楼 · 编辑于 2024-10-01 15:36:22

您可能希望查看beautifulsoup，而不是为此任务使用正则表达式。在

然后您可以这样做：（在本例中使用一个字符串作为html文件）

from bs4 import BeautifulSoup

html_doc = """
<html>
<head>
<title>Sample</title>
</head>
<body>
<span class="dummy">a</span>
<span>b</span>
</body>
</html>
"""
soup = BeautifulSoup(html_doc)
for span in soup.find_all('span'):
    print(span.string)

# output:
# a
# b

相关问题 更多 >

    编程相关推荐

    热门问题