Python：从字符串中删除<p>和</p>的正确方法？

Question

我想从字符串中删除<p>和</p>（假设为s）。

现在我正在这样做：

s.strip('"<p>""</p>"')

我不确定我所做的事情是否正确，但这对我使用的大多数字符串都足够有效。

除此之外，我仍然会收到以下字符串：Here goes..</p>

还有其他有效的剥离方法吗？它不需要快速或有效。我需要有效的东西才能完成工作。

测试用例

让我们说：
s="<p>Here goes..</p>"

在s上执行必要的操作后，print s应该给出：
Here goes..

Answer 1

如果您正在处理大量HTML / XML，您可能希望使用解析器轻松安全地操作它，而不是使用基本的字符串操作函数。我真的很喜欢BeautifulSoup这种工作。它适用于无效标记，并且具有非常优雅的API。

在您的示例中，您可以像这样使用它：

>>> soup = BeautifulSoup('<p>hello world</p>')
>>> soup.text
u'hello world'

Answer 2

假设您没有尝试清理XML / HTML，以下内容将起作用：

s = s.replace('<p>', '').replace('</p>', '') 

Answer 3

您正试图从您的值中删除"<p>""</p>"字符串中的所有字符。 strip将此值视为集，它会删除所有"，<，p，/或{来自你的字符串{1}}。

>

因此，使用>>> s = 'Here goes "/p>' >>> s.strip('"<p>""</p>"') 'Here goes ' （以及strip和rstrip）仅适用于要删除字符集的情况，而不是整个多字符字符串。

如果您想从头开始删除lstrip而从结尾删除<p>，则可以使用以下内容：

</p>

如果您需要从字符串中的其他位置删除这些内容，则需要使用if s.startswith('<p>'): s = s[3:] if s.endswith('</p>'): s = s[:-4] ：

s.replace

或者您可以查看正则表达式。

Answer 4

您可以使用正则表达式，只需导入和一行：

>>> import re
>>> s="text<p>text</p>text"
>>> re.sub("</?p>","",s)
'texttexttext'

split("</p>")失败的原因是试图剥离<，/，p或>;不是</p>。

Answer 5

s="<p>Here goes..</p>"
s = s.lstrip("<p>")
s = s.rstrip("</p>").strip('.')