gpt4 book ai didi

python - 从Python中的字符串中删除html标签和实体

转载 作者:太空宇宙 更新时间:2023-11-03 18:39:45 25 4
gpt4 key购买 nike

我从 api.careerbuilder.com 获取 xml 数据特别是,该字符串包含一些我愿意删除的 html 实体,但没有效果!

我尝试过这样做:

import re
re.sub('\<.*?\>', '', job_title_text)

还有这个

from html.parser import HTMLParser
class MLStripper(HTMLParser):
def __init__(self):
self.reset()
self.fed = []
def handle_data(self, d):
self.fed.append(d)
def get_data(self):
return ''.join(self.fed)

def strip_tags(html):
s = MLStripper()
s.feed(html)
return s.get_data()

strip_tags(job_title_text)

最后是这个

import lxml.html
(lxml.html.fromstring(job_title_text)).text_content()

但所有这些都失败了。第二种方法删除了“&”等 html 实体,但保留了标签内的文本,例如“pbrspan”。第三个完全毁了一切,根本没有显示任何数据,而是

< bound method HtmlElement.text_content of < Element html at 0x33717d8> >

最后,我怀疑我编写的正则表达式完全错误。有什么想法,如何处理?

最佳答案

尝试这个正则表达式

(\<).*?(\>)

关于python - 从Python中的字符串中删除html标签和实体,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20766217/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com