查找Python regex并从lis中删除regex

Question

不久前我为自己构建了这个小RSS阅读器，我很高兴能更新它，将垃圾从描述标签中排除。我现在正忙着测试它，以便从描述标签中删除&；lt；（所有内容）&；gt；，我很难得到这个文件。你知道吗

到目前为止，我的代码是这样的

from re import findall
from Tkinter import *
from urllib import urlopen

disc = []
URL = 'http://feeds.sciencedaily.com/sciencedaily/matter_energy/engineering?format=xml'
O_W = urlopen(URL).read()

disc_ex = findall('<description>(.*)</description>',O_W)
for i in disc_ex:
    new_disc = i.replace(findall('&lt;(.*)&gt;',i),'')
    disc.extend([new_disc])

所以在我尝试删除一些垃圾文本的新代码行之前，我通常会让我的文本像这样通过

"Tailored DNA structures could find targeted cells and release their molecular payload selectively into the cells.<img src="http://feeds.feedburner.com/~r/sciencedaily/matter_energy/engineering/~4/J1bTggGxFOY" height="1" width="1" alt=""/>"

我想要的只是没有垃圾的文本，所以本质上只是：

"Tailored DNA structures could find targeted cells and release their molecular payload selectively into the cells."

有什么建议吗？你知道吗

Answer 1

有几种解决方案，例如BeautifulSoup。要遵循您的想法，请避免使用“<；”…“>；”括号中的字符串，只需更改最后一行：

...
for i in disc_ex:
    new_disc = i.replace(findall('<(.*)>',i),'')
    disc.extend([re.sub(r'<(.*)/>','',new_disc)])