这篇文章主要介绍了python使用正则表达式过滤或替换html标签的方法,简单介绍了python正则相关语法并结合具体实例形式分析了python基于正则表达式的html标签过滤与替换相关操作技巧,需要的朋友可以参考下
本文实例讲述了Python使用正则表达式过滤或替换HTML标签的方法。分享给大家供大家参考，具体如下：
python正则表达式关键内容:
python正则表达式转义符:
. 匹配除换行符以外的任意字符
w 匹配字母或数字或下划线或汉字
s 匹配任意的空白符
d 匹配数字
匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束
W 匹配任意不是字母，数字，下划线，汉字的字符
S 匹配任意不是空白符的字符
D 匹配任意非数字的字符
B 匹配不是单词开头或结束的位置
[^x] 匹配除了x以外的任意字符
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符
立即学习“Python免费学习笔记（深入）”；
常用的python正则表达式限定符代码/语法说明:
*重复零次或更多次
+重复一次或更多次
?重复零次或一次
{n}重复n次
{n,}重复n次或更多次
{n,m}重复n到m次
关于python正则表达式命名组:
命名组:(?P…..)
这篇文章里面还提到了界定( 问号开头,前向则有个’前向界定 (?后向界定 (?=…)
前向非界定 (?后向非界定 (?!…..)
Python通过正则表达式去除(过滤)HTML标签示例代码
#-*- coding:utf-8 -*-import re##过滤HTML中的标签# 将HTML中标签等信息去掉# @param htmlstr HTML字符串.def filter_tags(htmlstr): # 先过滤CDATA re_cdata = re.compile("//]∗//]>", re.I) #匹配CDATA re_script = re.compile(']*>[^', re.I) # Script re_style = re.compile(']*>[^', re.I) # style re_br = re.compile('
') # 处理换行 re_h = re.compile('?w+[^>]*>') # HTML标签 re_comment = re.compile('') # HTML注释 s = re_cdata.sub('', htmlstr) # 去掉CDATA s = re_script.sub('', s) # 去掉SCRIPT s = re_style.sub('', s) # 去掉style s = re_br.sub('', s) # 将br转换为换行 s = re_h.sub('', s) # 去掉HTML 标签 s = re_comment.sub('', s) # 去掉HTML注释 # 去掉多余的空行 blank_line = re.compile('+') s = blank_line.sub('', s) s = replaceCharEntity(s) # 替换实体 return s##替换常用HTML字符实体.# 使用正常的字符替换HTML中特殊的字符实体.# 你可以添加新的实体字符到CHAR_ENTITIES中,处理更多HTML字符实体.# @param htmlstr HTML字符串.def replaceCharEntity(htmlstr): CHAR_ENTITIES = {'nbsp': ' ', '160': ' ', 'lt': '', '62': '>', 'amp': '&', '38': '&', 'quot': '"''"', '34': '"', } re_charEntity = re.compile(r'?(?Pw+);') sz = re_charEntity.search(htmlstr) while sz: entity = sz.group() # entity全称，如> key = sz.group('name') # 去除&;后entity,如>为gt try: htmlstr = re_charEntity.sub(CHAR_ENTITIES[key], htmlstr, 1) sz = re_charEntity.search(htmlstr) except KeyError: # 以空串代替 htmlstr = re_charEntity.sub('', htmlstr, 1) sz = re_charEntity.search(htmlstr) return htmlstrdef repalce(s, re_exp, repl_string): return re_exp.sub(repl_string, s)if __name__ == '__main__': s = file('test.html').read() news = filter_tags(s) print news
登录后复制
以上就是Python使用正则表达式过滤或替换HTML标签方法介绍的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2266171.html
