python正则表达式关键内容:
python正则表达式转义符:
. 匹配除换行符以外的任意字符
\w 匹配字母或数字或下划线或汉字
\s 匹配任意的空白符
\d 匹配数字
\b 匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束
\W 匹配任意不是字母,数字,下划线,汉字的字符
\S 匹配任意不是空白符的字符
\D 匹配任意非数字的字符
\B 匹配不是单词开头或结束的位置
[^x] 匹配除了x以外的任意字符
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符
关于python正则表达式命名组:
命名组:(?P.....)
这篇文章里面还提到了界定( 问号开头,前向则有个'
前向界定 (?<&#61;…)
后向界定 (?&#61;…)
前向非界定 (?
后向非界定 (?!.....)
常用的python正则表达式限定符代码/语法说明:
*重复零次或更多次
&#43;重复一次或更多次
?重复零次或一次
{n}重复n次
{n,}重复n次或更多次
{n,m}重复n到m次
Python通过正则表达式获取,去除(过滤)或者替换HTML标签代码举例
Python通过正则表达式取html中天气信息代码示例:
#!/usr/bin/env python
#-*- coding: utf8 -*-
import re
html &#61; """
多云
"""
if __name__ &#61;&#61; &#39;__main__&#39;:
p &#61; re.compile(&#39;]&#43;>&#39;)
print p.sub("", html)
Python通过正则表达式取html中温度信息代码示例:
#!/usr/bin/env python
#-*- coding: utf8 -*-
import re
html &#61; """
14℃
"""
if __name__ &#61;&#61; &#39;__main__&#39;:
p &#61; re.compile(&#39;]&#43;>&#39;)
print p.sub("", html)
Python通过正则表达式去除(过滤)HTML标签示例代码:
# -*- coding: utf-8-*-
import re
##过滤HTML中的标签
#将HTML中标签等信息去掉
#&#64;param htmlstr HTML字符串.
def filter_tags(htmlstr):
#先过滤CDATA
re_cdata&#61;re.compile(&#39;//]*//\]\]>&#39;,re.I) #匹配CDATA
re_script&#61;re.compile(&#39;]*>[^&#39;,re.I)#Script
re_style&#61;re.compile(&#39;]*>[^&#39;,re.I)#style
re_br&#61;re.compile(&#39;
&#39;)#处理换行
re_h&#61;re.compile(&#39;?\w&#43;[^>]*>&#39;)#HTML标签
re_comment&#61;re.compile(&#39;&#39;)#HTML注释
s&#61;re_cdata.sub(&#39;&#39;,htmlstr)#去掉CDATA
s&#61;re_script.sub(&#39;&#39;,s) #去掉SCRIPT
s&#61;re_style.sub(&#39;&#39;,s)#去掉style
s&#61;re_br.sub(&#39;\n&#39;,s)#将br转换为换行
s&#61;re_h.sub(&#39;&#39;,s) #去掉HTML 标签
s&#61;re_comment.sub(&#39;&#39;,s)#去掉HTML注释
#去掉多余的空行
blank_line&#61;re.compile(&#39;\n&#43;&#39;)
s&#61;blank_line.sub(&#39;\n&#39;,s)
s&#61;replaceCharEntity(s)#替换实体
return s
##替换常用HTML字符实体.
#使用正常的字符替换HTML中特殊的字符实体.
#你可以添加新的实体字符到CHAR_ENTITIES中,处理更多HTML字符实体.
#&#64;param htmlstr HTML字符串.
def replaceCharEntity(htmlstr):
CHAR_ENTITIES&#61;{&#39;nbsp&#39;:&#39; &#39;,&#39;160&#39;:&#39; &#39;,
&#39;lt&#39;:&#39;
&#39;gt&#39;:&#39;>&#39;,&#39;62&#39;:&#39;>&#39;,
&#39;amp&#39;:&#39;&&#39;,&#39;38&#39;:&#39;&&#39;,
&#39;quot&#39;:&#39;"&#39;,&#39;34&#39;:&#39;"&#39;,}
re_charEntity&#61;re.compile(r&#39;?(?P\w&#43;);&#39;)
sz&#61;re_charEntity.search(htmlstr)
while sz:
entity&#61;sz.group()#entity全称&#xff0c;如>
key&#61;sz.group(&#39;name&#39;)#去除&;后entity,如>为gt
try:
htmlstr&#61;re_charEntity.sub(CHAR_ENTITIES[key],htmlstr,1)
sz&#61;re_charEntity.search(htmlstr)
except KeyError:
#以空串代替
htmlstr&#61;re_charEntity.sub(&#39;&#39;,htmlstr,1)
sz&#61;re_charEntity.search(htmlstr)
return htmlstr
def repalce(s,re_exp,repl_string):
return re_exp.sub(repl_string,s)
if __name__&#61;&#61;&#39;__main__&#39;:
s&#61;file(&#39;169it.com_index.htm&#39;).read()
news&#61;filter_tags(s)
print news
169IT站内文章除注明原创外&#xff0c;均为转载,整理或搜集自网络.欢迎任何形式的转载&#xff0c;转载请注明出处.
转载请注明&#xff1a;文章转载自:[169IT-最新最全的IT资讯]
本文标题:Python通过正则表达式获取,去除(过滤)或者替换HTML标签的几种方法