使用正则表达式删除 html 标签答案

【问题标题】：Remove html tags using Regex使用正则表达式删除 html 标签
【发布时间】：2019-11-25 05:19:43
【问题描述】：

我试图摆脱 HTML 标签，在某种程度上它可以工作，但并非所有标签都被删除。但是下面提到的标签并没有消失

print('NOT DEALT WITH:')
for body in not_dealt_with_list:
#p = re.compile(r'<.*?[\\t\\n\\r\\s]*?.*?>')
    print(remove_tags(body))
    #print(p.sub('', body))
    #body = re.sub()

def remove_tags(content):
parser = lxml.html.HTMLParser(remove_comments=True, 
remove_blank_text=True)
document = lxml.html.document_fromstring(content, parser)
return document.text_content()

【问题讨论】：

标签： python html regex beautifulsoup

【解决方案1】：

看起来您要删除的内容已嵌入到 html 注释中（因为它看起来不像 html）。 Html cmets 开头，这就是您必须搜索的内容。

试试这个正则表达式来搜索评论中的所有内容，然后在多行中替换它

<!--(.|\n)*?-->

告诉我结果如何！

【讨论】：