如何删除不必要的标签？

Question

我的表（mysql）中有字段“body”，有很多条目，如：

</p><p>  &nbsp;</p><p>

</p><p> 
   </p><p>

很多空格，新行，＆amp; nbsp等。如何删除它？

这不起作用：

text.replace('</p><p>&nbsp;</p><p>', '</p><p>')
text.replace('</p><p>\n</p><p>', '</p><p>')

Answer 1

text = ''.join(text.split()) - 之后您可以继续替换。

Answer 2

我会在语法树中解析这样的文件，然后删除空叶。然后会再次生成HTML文件。 不幸的是我不在python中工作，我无法为此指定有用的库。

Answer 3

什么@Jurlie建议是一个好方法。 考虑将BeautifulSoup用于此purpouse。它是一个非常成熟和强大的库。

Answer 4

试试这个正则表达式：

>>> import re
>>> text = '''</p><p>  &nbsp;</p><p>
... 
... </p><p> 
...    </p><p>
... '''
>>> re.sub(r'<p>(?:&nbsp;|\s|<br \/>)*?</p>\s*', '', text)
'</p><p>\n'

Answer 5

text.strip('> ').strip(' ').strip('\n').strip('\t')