本文轉(zhuǎn)載自：python自帶re模塊正則表達式去除html標(biāo)簽
利用正則式處理，不知道會不會有性能問題，沒有經(jīng)過太多測試。 目前我有很多還是使用BeautifulSoup進行這種處理。 HTML實體處理的只是用于處理一些常用的實體。
# -*- coding: utf-8-*-import re##過濾HTML中的標(biāo)簽#將HTML中標(biāo)簽等信息去掉#@param htmlstr HTML字符串.def filter_tags(htmlstr): #先過濾CDATA re_cdata=re.compile('//<!/[CDATA/[[^>]*///]/]>',re.I) #匹配CDATA re_scrPRint news——————————————————華麗的分割線——————————————————————————
import urllib2,rex=urllib2.urlopen('http://www.csdn.net').read()re_h=re.compile('</?/w+[^>]*>')s=re_h.sub('',x)print s新聞熱點
疑難解答
