删除其父级中的HTML子级

Question

我有一些像这样的HTML：

<ul>
  <li>Item 1</li><br>
  <li>Item 2</li><br>
  <li>Item 3</li><br>
</ul>

<img src="someImage.png"><br>

我想要使用正则表达式从<br>标记和<li>标记之后删除<img>标记，但我不确定如何处理此问题。 HTML不会保持不变，因此图片和列表可能位于不同的位置，或者可能还有其他内容，但<br>和</li> <之后总会有</img> / p>

我可以使用什么正则表达式来解决这个问题？感谢。

修改

我尝试将此(<img.+?>)<br>用于图片但不起作用。

我不想只删除所有<br>标签，因为HTML中可能有一些有用的标签，而我希望删除列表项和图像后的那些标签。

Answer 1

这是删除br代码的一种方法：

import re
print re.sub('<br>', "", '<li>Item 1</li><br>')

如果文档中有许多br标记，则必须将数据存储在如下变量中：

data = 'your full html document as a string'
print re.sub('<br>', "", data)

然后，这将删除整个br文档中的所有data代码。

如果您只想删除br代码后面的li代码，那么您可以这样做：

data = 'your full html document as a string'
print re.sub(r'^<li>\<br>', "", data)

Answer 2

这可以在不使用正则表达式的情况下解决（在此处插入对传奇regex / html答案的引用）：

the_string = '<p>Text we want to keep</p><br>'
the_string = the_string.rstrip('<br>')

Answer 3

以下是从列表中删除<br>的方法：

re.sub(r'</li>(\<br>)', '\1', string)

因为图像是一样的。

re.sub(r'(<img.+?>)(\<br>)', '\1', string)