如何在re.compile python中删除除br之外的所有标记？

Question

我有一个代码如下：剥离所有标签：

import re

def cleanhtml(raw_html):
    cleanr = re.compile('<.*?>')
    cleantext = re.sub(cleanr, '', raw_html)
    return cleantext

payload = '<a href="asdasda.htm">I am inside</a><br/><p>Tagsssss</p>'
print cleanhtml(payload)

如何忽略<br>代码并删除所有其他代码？此代码将所有行附加在一起。

Answer 1

使用否定前瞻：

<(?!br).*?>

演示：https://regex101.com/r/91s8rW/1

def cleanhtml(raw_html):
    cleanr = re.compile(r'<(?!br).*?>')
    cleantext = cleanr.sub('', raw_html)
    return cleantext

要检测多个br标记并替换为一个，您可以使用以下正则表达式：

re.sub(r'(<br>)+', r'\1', your_text)

演示：

In [7]: re.sub(r'(<br>)+', r'\1', 'foobar<br><br><br>barbaz')
Out[7]: 'foobar<br>barbaz'