需要有关Python中正则表达式的帮助

Question

请帮助从字符串中创建：

<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>

字符串如：

link_text_part1 another_text link_text_part2

在Python中使用正则表达式

！注意 testsite.com更改

Answer 1

您要删除<a>和<em>代码吗？这可以这样做：

>>> s = '<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>'

>>> re.sub("</?(a|em).*?>", "", s)
'link_text_part1 another_text link_text_part2'

在英语中，搜索：

• A＆lt;字符
• 可选地后跟/（以获得结束标记）
• 后跟'a'或'em'
• 后跟任何内容，包括第一个＆gt;字符

并用空字符串替换它们。

然而正如Kos所说，使用正则表达式解析HTML是非常危险和脆弱的，除非你知道你正在解析的HTML的格式永远不会改变。

Answer 2

string = re.sub('<[^>]+>', '', string)

Answer 3

使用正则表达式解析HTML，即使对于简单的情况，通常也是强烈推荐的。你永远不会知道什么时候你会发现一些会混淆你的正则表达式的HTML代码。

轻量级HTML解析器通常是一种更可靠，更优雅的解决方案。

Answer 4