Python正则获取、过滤或者替换HTML标签的⽅法本⽂实例介绍了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，具体内容如下
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
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
+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
关于python正则表达式命名组:
命名组:(?P<name>.....)
这篇⽂章⾥⾯还提到了界定( 问号开头，前向则有个'<'号,⾮则有个'!' 号 ):
前向界定 (?<=…)
后向界定 (?=…)
前向⾮界定 (?<!....)
后向⾮界定 (?!.....)
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
1、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 = """
<h2>多云</h2>python正则表达式不包含
"""
if __name__ == '__main__':
p = repile('<[^>]+>')
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 = """
<div class="w-number"> <span class="tpte">14℃</span> </div>
"""
if __name__ == '__main__':
p = repile('<[^>]+>')
print p.sub("", html)
2、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
#@param htmlstr HTML字符串.
def filter_tags(htmlstr):
#先过滤CDATA
re_cdata=repile('//<!\[CDATA\[[^>]*//\]\]>',re.I) #匹配CDATA
re_script=repile('<\s*script[^>]*>[^<]*<\s*/\s*script\s*>',re.I)#Script  re_style=repile('<\s*style[^>]*>[^<]*<\s*/\s*style\s*>',re.I)#style
re_br=repile('<br\s*?/?>')#处理换⾏
re_h=repile('</?\w+[^>]*>')#HTML标签
re_comment=repile('<!--[^>]*-->')#HTML注释
s=re_cdata.sub('',htmlstr)#去掉CDATA
s=re_script.sub('',s) #去掉SCRIPT
s=re_style.sub('',s)#去掉style
s=re_br.sub('\n',s)#将br转换为换⾏
s=re_h.sub('',s) #去掉HTML 标签
s=re_comment.sub('',s)#去掉HTML注释
#去掉多余的空⾏
blank_line=repile('\n+')
s=blank_line.sub('\n',s)
s=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. #@param htmlstr HTML字符串.
def replaceCharEntity(htmlstr):
CHAR_ENTITIES={'nbsp':' ','160':' ',
'lt':'<','60':'<',
'gt':'>','62':'>',
'amp':'&','38':'&',
'quot':'"','34':'"',}
re_charEntity=repile(r'&#?(?P<name>\w+);')
sz=re_charEntity.search(htmlstr)
while sz:
up()#entity全称，如>
up('name')#去除&；后entity，如>为gt
try:
htmlstr=re_charEntity.sub(CHAR_ENTITIES[key],htmlstr,1)
sz=re_charEntity.search(htmlstr)
except KeyError:
#以空串代替
htmlstr=re_charEntity.sub('',htmlstr,1)
sz=re_charEntity.search(htmlstr)
return htmlstr
def repalce(s,re_exp,repl_string):
return re_exp.sub(repl_string,s)
if __name__=='__main__':
s=file('169it_index.htm').read()
news=filter_tags(s)
print news
以上就是本⽂的全部内容，希望对⼤家的学习有所帮助。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。