我有一个 html 文件，我想用空格替换空段落。
mystring = "This <p></p><p>is a test</p><p></p><p></p>"
result = mystring.sub("<p></p>" , " ")
这不起作用。
【问题讨论】：
This
is a
测试
'请don't try to parse HTML with regular expressions。使用适当的解析模块，如htmlparser 或BeautifulSoup 来实现这一点。现在“忍受”短暂的学习曲线并从中受益：
你不会后悔的！保证利润！
【讨论】：
我认为给出一个如何使用真正的解析器执行此操作的示例总是很好的，并且只是重复Eli Bendersky 在他的回答中给出的合理建议。
下面是一个示例，说明如何使用 lxml 删除空的 <p> 元素。 lxml 的HTMLParser 处理 HTML 非常好。
from lxml import etree
from StringIO import StringIO
input = '''This <p> </p><p>is a test</p><p></p><p><b>Bye.</b></p>'''
parser = etree.HTMLParser()
tree = etree.parse(StringIO(input), parser)
for p in tree.xpath("//p"):
if len(p):
continue
t = p.text
if not (t and t.strip()):
p.getparent().remove(p)
print etree.tostring(tree.getroot(), pretty_print=True)
...产生输出：
<html>
<body>
<p>This </p>
<p>is a test</p>
<p>
<b>Bye.</b>
</p>
</body>
</html>
请注意，我在回复此问题时误读了问题，我只是删除了空的 <p> 元素，而不是用 &nbsp 替换它们。使用 lxml，我不确定一个简单的方法来做到这一点，所以我创建了另一个问题要问：
【讨论】：
BeautifulSoup。您链接到的页面明确表示它是旧版本且具有历史意义，并且该模块不再存在这些问题
<p><b>This will be dropped</b></p> 中，则上面的代码将删除它，因为 node.text 仅包含开始标记和第一个孩子的开始之间存在的文本。
我认为对于这个特殊的问题，解析模块将是多余的
就是那个函数：
>>> mystring = "This <p></p><p>is a test</p><p></p><p></p>"
>>> mystring.replace("<p></p>"," ")
'This <p>is a test</p> '
【讨论】：
如果<p> 输入为<P> 或< p >，或者添加了属性，或者使用空标记语法<P/> 给出，该怎么办？ Pyparsing 的 HTML 标记支持处理所有这些变体：
from pyparsing import makeHTMLTags, replaceWith, withAttribute
mystring = 'This <p></p><p>is a test</p><p align="left"></p><P> </p><P/>'
p,pEnd = makeHTMLTags("P")
emptyP = p.copy().setParseAction(withAttribute(empty=True))
null_paragraph = emptyP | p+pEnd
null_paragraph.setParseAction(replaceWith(" "))
print null_paragraph.transformString(mystring)
打印：
This <p>is a test</p>
【讨论】：
使用正则表达式？
import re
result = re.sub("<p>\s*</p>"," ", mystring, flags=re.MULTILINE)
如果您经常使用，请编译正则表达式。
【讨论】：
我写了那个代码：
from lxml import etree
from StringIO import StringIO
html_tags = """<div><ul><li>PID temperature controller</li> <li>Smart and reliable</li> <li>Auto-diagnosing</li> <li>Auto setting</li> <li>Intelligent control</li> <li>2-Rows 4-Digits LED display</li> <li>Widely applied in the display and control of the parameter of temperature, pressure, flow, and liquid level</li> <li> </li> <p> </p></ul> <div> </div></div>"""
document = etree.iterparse(StringIO(html_tags), html=True)
for a, e in document:
if not (e.text and e.text.strip()) and len(e) == 0:
e.getparent().remove(e)
print etree.tostring(document.root)
【讨论】：
This
is a test
”