仅当字符出现在特定模式之后才从HTML字符串中删除字符

Question

因此，我尝试用Google搜索我的问题，但找不到满意的答案。我已经编写了一个用于解析HTML电子邮件的程序。到目前为止，它一直都可以正常工作，但是我猜想Outlook协议中已对某些内容进行了更新。但是，现在，提取电子邮件的HTML内容时，除style标记外，其他所有东西都可以正常工作。

style标记之后的所有内容由于某种原因会自动转义。例如这样的例子：<span style=\'color:red; background:yellow; mso-highlight:yellow\'>和<span style=\'background:yellow;mso-highlight:yellow\'>注意'样式由于某种原因如何转义？这导致我的软件出现问题，并使它崩溃。我真的不需要这些逃生标记，并且想要摆脱它们。

所以现在我的问题是，如何仅在这些特定位置删除标记（如果可能的话）？因此，仅在style=之后以及style属性的末尾，在'>之前。非常感谢所有帮助，我完全不知道如何进行。我真的不想删除所有反斜杠，因此没有真正需要转义的内容也不会转义。

谢谢！

Answer 1

一个简单的正则表达式应该起作用：

import re

text = re.sub(r"style=\'(.*)\'", r"style='\1'", raw_text)