python正则表达式获取html标签,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(本文由169it.com搜集整理)...

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&＃xff0c;数字&＃xff0c;下划线&＃xff0c;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&＃xff1a;

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&＃39;

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; """

"""

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