Question

:) 我不确定为什么下面的python代码也会删除空格，但确实如此。有人可以解释一下如果不这样做我怎么能把它拉下来？谢谢！：）

text = html
rules = [
    { r'>\s+' : u'>'},
    { r'\s+' : u' '},
    { r'\s*<br\s*/?>\s*' : u'\n'},
    { r'</(div)\s*>\s*' : u'\n'},
    { r'</(p|h\d)\s*>\s*' : u'\n\n'},
    { r'<head>.*<\s*(/head|body)[^>]*>' : u'' },
    { r'<a\s+href="([^"]+)"[^>]*>.*</a>' : r'\1' },
    { r'[ \t]*<[^<]*?/?>' : u'' },
    { r'^\s+' : u'' }
]
for rule in rules:
    for (k,v) in rule.items():
        regex = re.compile (k)
        text  = regex.sub (v, text)
print text

Answer 1

正如您可以在文档中阅读：http://docs.python.org/library/re.html

\s序列匹配所有空格。因此底部规则将删除所有空格。

Answer 2

除了WoLpH的回答之外，你的前5个结尾是\s的一些变体，并用最后不包含空格（除了换行符）的字符串替换它......

python重新阻止剥离空格

2 个答案: