python - 使用Python和正则表达式，如何从html中删除标签？

Question

这个问题已经有答案了:

Strip HTML from strings in Python (28 个回答)

已关闭 9 年前。

使用python正则表达式，如何删除html中的所有标签？标签有时具有样式，如下所示:

<sup style="vertical-align:top;line-height:120%;font-size:7pt">(1)</sup>

我想删除一个较大的 html 字符串中的sup 标记之间的所有内容(包括sup 标记)。

Answer 1

我会使用 HTML 解析器 ( why )。例如，BeautifulSoup和 unwrap()可以照顾你的美丽的sup:

Tag.unwrap() is the opposite of wrap(). It replaces a tag with whatever’s inside that tag. It’s good for stripping out markup.

from bs4 import BeautifulSoup

data = """
<div>
    <sup style="vertical-align:top;line-height:120%;font-size:7pt">(1)</sup>
</div>
"""

soup = BeautifulSoup(data)
for sup in soup.find_all('sup'):
    sup.unwrap()

print soup.prettify()

打印:

<div>
(1)
</div>