个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
25
4
我有点害怕问这个问题，因为害怕“你不能用正则表达式解析 HTML”的 SO 邪教的报复。为什么 re.subn(r'<(script).*?</\1>', '', data, re.DOTALL)不要去掉多行“脚本”，而只去掉末尾的两个单行脚本，好吗？
谢谢楼主
>>> import re
>>> data = """\
<nothtml>
<head>
<title>Regular Expression HOWTO — Python v2.7.1 documentation</title>
<script type="text/javascript">
var DOCUMENTATION_OPTIONS = {
URL_ROOT: '../',
VERSION: '2.7.1',
COLLAPSE_MODINDEX: false,
FILE_SUFFIX: '.html',
HAS_SOURCE: true
};
</script>
<script type="text/javascript" src="../_static/jquery.js"></script>
<script type="text/javascript" src="../_static/doctools.js"></script>
"""
>>> print (re.subn(r'<(script).*?</\1>', '', data, re.DOTALL)[0])
<nothtml>
<head>
<title>Regular Expression HOWTO — Python v2.7.1 documentation</title>
<script type="text/javascript">
var DOCUMENTATION_OPTIONS = {
URL_ROOT: '../',
VERSION: '2.7.1',
COLLAPSE_MODINDEX: false,
FILE_SUFFIX: '.html',
HAS_SOURCE: true
};
</script>
最佳答案
撇开这在一般情况下是否是个好主意的问题，您的示例的问题在于 fourth parameter to re.subn is count - 在 Python 2.6 中没有 flags 参数，尽管它在 Python 2.7 中作为第五个参数引入。相反，您可以将 `(?s) 添加到正则表达式的末尾以获得相同的效果:
>>> print (re.subn(r'<(script).*?</\1>(?s)', '', data)[0])
<nothtml>
<head>
<title>Regular Expression HOWTO — Python v2.7.1 documentation</title>
>>>
...或者如果您使用的是 Python 2.7，这应该可行:
>>> print (re.subn(r'<(script).*?</\1>(?s)', '', 0, data)[0])
... 即插入 0 作为 count 参数。
关于Python正则表达式剥离脚本标签，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4698341/
25
4
0
有没有一种快速的方法(无需显式循环遍历字符串中的每个字符)并剥离或保留它。在 Visual FoxPro 中，有一个函数 CHRTRAN() 可以很好地完成这项工作。它是 1:1 字符替换，但如果替换
在 python/pandas 中清理多类型数据框的值，我想修剪字符串。我目前正在按照两个说明进行操作: import pandas as pd df = pd.DataFrame([[' a '
通常情况下，我正在编写剥离新类型的唯一构造函数的函数，例如在以下函数中返回不是 Nothing 的第一个参数: process (Pick xs) = (\(First x) -> x) . mcon
我正在尝试逐渐将 AOSP 从其默认应用程序中剔除。但是我想知道我要应用的方法是否是正确 并且是最有效 . 在查看了这样做的方法后，我来到了以下 方法: (示例应用程序 - “package_name
使用时 hg log --template "{date|isodate} --- {rev}:{node|short} --- ... " 2011-10-07 19:25 -0400 --- 1:
我想在 mySQL 中创建数据库位置记录。我在选择框中有以下 html 字符串: Aka AkaArarimuAwhituBombayBuckland '> 我不想在数据库中手动输入记录，而是想去掉
我目前正在开发一个 Android 项目，其中我使用 Android NDK 用 C 语言进行一些计算。 只要我不运行 proguard，我的应用程序就可以正常工作，但是当我运行时，“reportPr
我想要一个通用的 .js 文件，对于页面上遇到的每个 form，在提交时，它会从所有 textarea、 中删除 HTML input 和 select 元素。我觉得我缺少一个基本技巧。 $("for
我正在尝试编写一个简单的 Python 脚本，它将文本文件作为输入，删除每个非文字字符，并将输出写入另一个文件中。通常我会采取两种方式: 使用正则表达式结合 re.sub 将每个非字母字符替换为空字符
我敢肯定这个问题以前有人问过，但我已经看过了，但找不到答案，或者我只是做错了什么。 HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.Htm
我有这行代码: var newmsg = $('' + ""+dateFormat(timesp)+ " | " + pseudo + ' : '); newmsg.find(".msg").text
我正在尝试从 Windows 路径中删除前缀。我尝试使用 strip_prefix 来做到这一点方法，但它失败了。您可以在 Rust Playground 上试用.即使在 RUST_BACKTRACE
使用这个 question ，我正在试验 substr 和 strrpos，但似乎无法正确处理。 我有一个来自 MySQL 数据库的名称列，其中包含名字和姓氏，如下所示: Doe, Jane A 现有
好的，我如何使用正则表达式删除 http AND/OR www 只是为了让 http://www.domain.com/ 进入 domain.com 假设 x 是任何类型的 TLD 或 cTLD 输入
我正在尝试从 this website 中抓取项目. 项目是:品牌、型号和价格。由于页面结构的复杂性，spider 使用了 2 个 xpath 选择器。 品牌和型号商品来自同一个 xpath，价格来自
这个问题在这里已经有了答案: 关闭 11 年前。
我有一个包含一些 html 标签的字符串，如下所示: " This is a test " 我想去掉标签之间的所有多余空格。我尝试了以下方法: In [1]: import re In [
我目前有一个 URL 列表 http://www.website.com/dynamic/download.ashx?id=123/12/12345 http://www.website.com/dy
我环顾四周，找不到一种简单/单行的方法来去除 numpy 数组中的空格:: print(type(p)) print(p) [{' SPL', 'GPU', 'bcc'} {'ANZ ', 'ROI
我有一个自定义共享点应用程序，其安全模型取决于 HTTP header 。当从移动设备发出请求时，每个请求都会添加一个名为 HTTP_RIM_DEVICE_EMAIL 的 http header 。我
我是一名优秀的程序员,十分优秀！