仅包含超链接文本的python html条答案

【问题标题】：python html strip of hyperlinked text only仅包含超链接文本的python html条
【发布时间】：2014-05-24 20:11:41
【问题描述】：

所以我试图从

中删除 HTML

<a href="/define.php?term=dubstep&defid=5175360">dubstep</a> the music that is created from transformers having s$#

所以解析后是这样的

dubstep - 由具有 S$# 的变形金刚创作的音乐

我想从这个html超链接中提取文本dubstep

我该怎么做呢？

我在这里阅读了解决方案 How to remove tags from a string in python using regular expressions? (NOT in HTML)

但我明白了

<class 'NameError'>, NameError("name 're' is not defined",), <traceback object at 0x036A41E8>)

【问题讨论】：

您是否使用import re 导入了re 模块？

标签： python html strip

【解决方案1】：

为什么不使用BeautifulSoup？

In [44]: from bs4 import  BeautifulSoup

In [45]: soup = BeautifulSoup ('''<a href="/define.php?term=dubstep&defid=5175360">dubstep</a> the music that is created from transformers having s$#''')

In [46]: soup.find('a').text
Out[46]: u'dubstep'

编辑：

或者如果你只想要文本：

In [48]: soup.text 
Out[48]: u'dubstep the music that is created from transformers having s$#'

【讨论】：

【解决方案2】：

很好

 NameError("name 're' is not defined",),

表示你一开始忘了import re，但这是猜测。

另外，由于您只需要 <a></a> 标记之间的单词，因此您需要一个类似于此的正则表达式：

 .*<a .*>([^<]*)</a>.*

【讨论】：

【解决方案3】：

使用这个：

from bs4 import Beautifulsoup
html = <a href="/define.php?term=dubstep&defid=5175360">dubstep</a> the music that is created from transformers having s$#
soup = Beautifulsoup(html)
print(soup.get_text())

【讨论】：