Python删除源中的某些元素

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python删除源中的某些元素，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1305字，纯文字阅读大概需要2分钟。

内容图文

我有一些来源,我试图删除一些标签,我知道使用正则表达式删除标签,不建议这样,但认为这将是最简单的路线.

我需要做的是删除所有img和一个标签以及仅在p标签内的a标签的内容,但我不确定如何使用正则表达式执行此操作.

例如,遇到它时：

<p><img src="center.jpg"><a href="?center">center</a>TEXT<img src="right.jpg"><a href="?rightspan">right</a> MORE TEXT<img src="another.jpg"></p>

输出应该是以下所有标签和内容以及img标签被删除的地方.

<p>TEXT MORE TEXT</p>

问题就像我说我不知道??如何做到这一点,我的正则表达式删除源中的所有a和img标签,而不仅仅是p标签内的标签.

re.sub(r'<(img|a).*?>|</a>', '', text)

解决方法:

您的正则表达式确实会删除所有标记而不使用某种类型的断言.虽然您可能可以使用正则表达式来执行此操作,但我建议不要出于多种原因而不使用此路由.

您只需使用BeautifulSoup即可传递要删除的内容列表.

>>> from BeautifulSoup import BeautifulSoup
>>> html = '<p><img src="center.jpg"><a href="?center">center</a>TEXT<img src="right.jpg"><a href="?rightspan">right</a> MORE TEXT<img src="another.jpg"></p>'
>>> soup = BeautifulSoup(html)
>>> for m in soup.findAll(['a', 'img']):
...   if m.parent.name == 'p':
...      m.replaceWith('')

>>> print soup

<p>TEXT MORE TEXT</p>

Note: This will replace all <a>, </a> and <img> elements (including content) that are inside of a <p> element leaving the rest untouched. If you have BS4, use 07001 and 07002

内容总结

以上是互联网集市为您收集整理的Python删除源中的某些元素全部内容，希望文章能够帮你解决Python删除源中的某些元素所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端