使用正则表达式和 python 替换 HTML 标签答案

【问题标题】：HTML tag replacement using regex and python使用正则表达式和 python 替换 HTML 标签
【发布时间】：2009-09-28 11:11:57
【问题描述】：

我有一个 Python 脚本，它将查看具有以下格式的 HTML 文件：

<DOC>
<HTML>
...
</HTML>
</DOC>
<DOC>
<HTML>
...
</HTML>
</DOC>

除了在 Python 中使用正则表达式的开始和结束 DOC 标记之外，如何删除所有 HTML 标记（将标记替换为 ''）？另外，如果我想保留标签的替代文本，正则表达式应该是什么样的？

【问题讨论】：

【解决方案1】：

对于您要完成的任务，我会使用 BeautifulSoup 而不是正则表达式。

【讨论】：

【解决方案2】：

查看lxml，一个非常好的处理xml 的python 库。您可以使用 drop_tag 来完成您要查找的内容。

从 lxml 导入 html h = html.fragment_fromstring('Hello World!') h.find('*').drop_tag() 打印（html.tostring（h，编码=unicode））你好世界！

【讨论】：

【解决方案3】：

用这个正则表达式搜索和替换：搜索：<.> 替换为："

【讨论】：