Нужна помощь с регулярными выражениями в Python

Question

Помогите, пожалуйста, сделать из строки как:

<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>

как строку:

link_text_part1 another_text link_text_part2

используя регулярные выражения в Python

! Note testsite.com изменений

Answer 1

string = re.sub('<[^>]+>', '', string)

Answer 2

Парсинг HTML с регулярными выражениями, даже для простых случаев, как правило, настоятельно не рекомендуется. Вы никогда не узнаете, когда нажмете какой-нибудь HTML-код, который запутает ваше регулярное выражение.

Легкий анализатор HTML, как правило, является более надежным и элегантным решением.

Answer 3

То есть вы хотите удалить теги <a> и <em>? Это можно сделать так:

>>> s = '<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>'

>>> re.sub("</?(a|em).*?>", "", s)
'link_text_part1 another_text link_text_part2'

В английском это ищет:

• A <символ </li>
• (необязательно, после) / (чтобы получить закрывающие теги)
• , за которыми следуют 'a' или 'em'
• с последующим указанием чего-либо, вплоть до первого> символа

и заменяет их пустыми строками.

Однако, как говорит Кос, использование регулярных выражений для анализа HTML очень рискованно и хрупко, если только вы не знаете, что формат разбираемого HTML никогда не изменится.

Answer 4

КСТАТИ.Это помогло:

from scrapy.utils.markup import remove_tags  
...
bbb=remove_tags(aaa)