本文實例介紹了Python通過正則表達式獲取,去除(過濾)或者替換HTML標簽的幾種方法，具體內(nèi)容如下
python正則表達式關(guān)鍵內(nèi)容:
python正則表達式轉(zhuǎn)義符:
. 匹配除換行符以外的任意字符/w 匹配字母或數(shù)字或下劃線或漢字/s 匹配任意的空白符/d 匹配數(shù)字/b 匹配單詞的開始或結(jié)束^ 匹配字符串的開始$ 匹配字符串的結(jié)束/W 匹配任意不是字母，數(shù)字，下劃線，漢字的字符/S 匹配任意不是空白符的字符/D 匹配任意非數(shù)字的字符/B 匹配不是單詞開頭或結(jié)束的位置[^x] 匹配除了x以外的任意字符[^aeiou] 匹配除了aeiou這幾個字母以外的任意字符
常用的python正則表達式限定符代碼/語法說明:
*重復零次或更多次+重復一次或更多次?重復零次或一次{n}重復n次{n,}重復n次或更多次{n,m}重復n到m次 關(guān)于python正則表達式命名組:
命名組:(?P<name>.....)這篇文章里面還提到了界定( 問號開頭,前向則有個'<'號,非則有個'!' 號 ):前向界定 (?<=…)后向界定 (?=…) 前向非界定 (?<!....)后向非界定 (?!.....)
Python通過正則表達式獲取,去除(過濾)或者替換HTML標簽代碼舉例
1、Python通過正則表達式取html中天氣信息代碼示例:
#!/usr/bin/env python #-*- coding: utf8 -*- import re html = """ <h2>多云</h2> """ if __name__ == '__main__': p = re.compile('<[^>]+>') print p.sub("", html)Python通過正則表達式取html中溫度信息代碼示例:#!/usr/bin/env python #-*- coding: utf8 -*- import re html = """ <div class="w-number"> <span class="tpte">14℃</span> </div> """ if __name__ == '__main__': p = re.compile('<[^>]+>') print p.sub("", html) 2、Python通過正則表達式去除(過濾)HTML標簽示例代碼:
# -*- coding: utf-8-*-import re##過濾HTML中的標簽#將HTML中標簽等信息去掉#@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_script=re.compile('</s*script[^>]*>[^<]*</s*//s*script/s*>',re.I)#Script re_style=re.compile('</s*style[^>]*>[^<]*</s*//s*style/s*>',re.I)#style re_br=re.compile('<br/s*?/?>')#處理換行 re_h=re.compile('</?/w+[^>]*>')#HTML標簽 re_comment=re.compile('<!--[^>]*-->')#HTML注釋 s=re_cdata.sub('',htmlstr)#去掉CDATA s=re_script.sub('',s) #去掉SCRIPT s=re_style.sub('',s)#去掉style s=re_br.sub('/n',s)#將br轉(zhuǎn)換為換行 s=re_h.sub('',s) #去掉HTML 標簽 s=re_comment.sub('',s)#去掉HTML注釋 #去掉多余的空行 blank_line=re.compile('/n+') s=blank_line.sub('/n',s) s=replaceCharEntity(s)#替換實體 return s##替換常用HTML字符實體.#使用正常的字符替換HTML中特殊的字符實體.#你可以添加新的實體字符到CHAR_ENTITIES中,處理更多HTML字符實體.#@param htmlstr HTML字符串.def replaceCharEntity(htmlstr): CHAR_ENTITIES={'nbsp':' ','160':' ', 'lt':'<','60':'<', 'gt':'>','62':'>', 'amp':'&','38':'&', 'quot':'"','34':'"',} re_charEntity=re.compile(r'&#?(?P<name>/w+);') sz=re_charEntity.search(htmlstr) while sz: entity=sz.group()#entity全稱，如> key=sz.group('name')#去除&;后entity,如>為gt try: htmlstr=re_charEntity.sub(CHAR_ENTITIES[key],htmlstr,1) sz=re_charEntity.search(htmlstr) except KeyError: #以空串代替 htmlstr=re_charEntity.sub('',htmlstr,1) sz=re_charEntity.search(htmlstr) return htmlstrdef repalce(s,re_exp,repl_string): return re_exp.sub(repl_string,s)if __name__=='__main__': s=file('169it.com_index.htm').read() news=filter_tags(s) print news 以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助。
