从字符串中去除 BBCode

Question

我正在尝试找到一种从字符串中去除 BBCode 的方法。我发现的模块（BBCode 和 Post Markup）似乎只将它们转换为 HTML，而不仅仅是删除 BBCode 并返回一个干净的字符串。如果我遗漏了一些东西，而其中一个实际上做了我要问的事情，我会喜欢它的一些方向:)

否则，有什么方法可以从字符串中去除 BB 代码并返回纯文本？

Answer 1

您的答案实际上在bbcode 模块中。不幸的是，相关方法不在documentation 中，但如果您搜索代码，它就在那里：Parser.strip()。例如：

import bbcode

parser = bbcode.Parser()
code = "[code]a = [1, 2, 3, 4, 5][/code]"
plain_txt = parser.strip(code)
print(plain_txt)

'a = [1, 2, 3, 4, 5]'

不幸的是，Robᵩ 基于正则表达式的answer 和postmarkup 都存在同样的问题——无法区分 BBCode（[list][*]Item 1[*]Item 2[/list]、[color=red]I hate color-blind people![/color] 等）和我上面使用的嵌入式代码示例（他们都返回a =)，或者类似的一行

I'm feeling sad :[ But, eating ice cream cheers me up! :]

简单地返回

I'm feeling sad :

这是可能的，因为bbcode 首先对字符串进行标记，搜索有效的 BBCode 标记，并将其余标记识别为整个文本的一部分。 Parser.strip() 然后只是扔掉 BBCode 标记并重新组合文本，而格式化方法将这些标记转换为 XHTML 标记，并在适当的地方拼接其余部分。

Answer 2

根据您的需要，这可能就足够了：

#UNTESTED
import re
with open("some_input_file.txt") as input_file:
    for s in input_file:
        s = re.sub('\[.*?]','',s)
        print s