Question

我想从字符串中删除所有HTML内容。

我有一个字符串

str= "I am happy with <body> <h1>This is a Heading</h1>  <p>This is a paragraph.</p> </body> 3333  <body> <h1>This is a Heading</h1>  <p>This is a paragraph.</p> </body> your code"

我想要最后一个字符串 str= "I am happy with 3333 your code”

我已经编写了这段代码来完成上述任务。

def removetags(input_str):
    result = ''
    startflag = 0
    start=True
    count=0
    for ch in input_str:
        if ch == '<':
            if count!=len(input_str)-1:
                if input_str[count+1]!='/':
                    start=True
                    startflag += 1


        elif (ch == '>') and startflag :
            if not start:
                startflag -= 1
            start=False

        elif (not startflag) :
            result += ch

        count += 1

    return result

print(removetags(str))

这可以正常工作，但是如果文本中有<，则不会正确输出。所以我想删除使用html解析。有什么办法吗？我找到了这个库，但找不到方法。谢谢。

Answer 1

plt.plot(acf(y, nlags=len(y)))

即使在文本中带有'> '或' << / strong>'，也会打印from html.parser import HTMLParser str = "I am happy with <body> <h1>This is a Heading</h1> <p>This is a paragraph.</p> </body> 3333 > <body> <h1>This is a Heading</h1> <p>This is a paragraph.</p> </body> your code" class MyHTMLParser(HTMLParser): got_html_in_tags = False html_free_text = [] def handle_starttag(self, tag, attrs): self.got_html_in_tags = True def handle_endtag(self, tag): self.got_html_in_tags = False def handle_data(self, data): if not self.got_html_in_tags: self.html_free_text.append(data) parser = MyHTMLParser() parser.feed(str) print("".join(parser.html_free_text))

Answer 2

另一种re解决方案：

re.sub(r'(<(?P<tag>[a-zA-Z0-9]+)>.*?</(?P=tag)>)', '', string)

测试：

>>> re.sub(r'(<(?P<tag>[a-zA-Z0-9]+)>.*?</(?P=tag)>)', '', string)
'I am happy with  3333   your code'
>>> string = "I am happy with <body> <h1>This is a Heading</h1>  <p>This is a paragraph.</p> </body> 3333 > <body> <h1>This is a Heading</h1>  <p>This is a paragraph.</p> </body> your code"
>>> re.sub(r'(<(?P<tag>[a-zA-Z0-9]+)>.*?</(?P=tag)>)', '', string)
'I am happy with  3333 >  your code'
>>> string = "I am <a happy with <body> </body> lal"
>>> re.sub(r'(<(?P<tag>[a-zA-Z0-9]+)>.*?</(?P=tag)>)', '', string)
'I am <a happy with  lal'

Answer 3

您可以为此使用正则表达式库，

import re
str= "I am happy with <body> <h1>This is a Heading</h1>  <p>This is a paragraph.</p> </body> 3333  <body> <h1>This is a Heading</h1>  <p>This is a paragraph.</p> </body> your code"
comp = re.compile(r'<([\w]+)[^>]*>(.*?)<\/\1>')
data = re.sub(comp, '', str)
print(data)

可能是帮助

Answer 4

让我们递归地执行此操作;）

基本情况1：当文本为空字符串时，
返回一个空字符串

基本情况2：当文本的第一个字母是插入符号时，
搜索结束标记，并在结束标记后返回带有剩余文本的函数调用。

SceneKit

测试运行：

def remove_tags(text, tags=[]):
  if text == '':
    return text

  if text[0] == '<':
    closing_caret_pos = text.find('>')
    tag = text[0:closing_caret_pos+1]
    is_open_tag = '/' not in tag
    is_close_tag = not is_open_tag
    is_valid_tag = tag[1:-1].isalpha() or tag[2:-1].isalpha()

    if is_valid_tag and is_open_tag:
      tags.append(tag)
      return remove_tags(text[1:], tags)
    if is_valid_tag and is_close_tag:
      tags.pop()
      return remove_tags(text[len(tag):], tags)

  if len(tags) != 0: # when an open tag exists keeping looking
    return remove_tags(text[1:], tags)

  return text[0] + remove_tags(text[1:], tags)

从python中的字符串中删除所有HTML内容

4 个答案: