Python：删除 HTML 标签和 HTML 标签之间的文本答案

【问题标题】：Python: Remove HTML Tags & text inbetween HTML TagsPython：删除 HTML 标签和 HTML 标签之间的文本
【发布时间】：2017-05-02 11:22:44
【问题描述】：

我正在尝试删除 HTML 标签（Python 3），但也尝试删除它们之间的文本。我下面的代码 sn-p 似乎没有给我我正在寻找的结果，我在 SO 上发现的所有其他问题似乎只着眼于删除 HTML 标签，但保留 HTML 标签内的文本不是我想要做的。

当前代码

import re
...
price="12.00 <b>17.50</b>"
price=re.sub('<[^>]*>', '', price)

字符串

12.00 <b>17.50</b>

预期结果

12.00

目前的成果

12.00 17.50

【问题讨论】：

标签： python regex python-3.x

【解决方案1】：

您也可以使用 HTML 解析器，例如 BeautifulSoup。想法是找到所有标签并分解它们，然后得到剩下的：

In [8]: from bs4 import BeautifulSoup

In [9]: price = "12.00 <b>17.50</b>"

In [10]: soup = BeautifulSoup(price, "html.parser")

In [11]: for elm in soup.find_all():
    ...:     elm.decompose()
    ...:     

In [12]: print(soup)
12.00

还有，这里有一个著名的话题，解释了为什么不应该使用正则表达式处理 HTML：

RegEx match open tags except XHTML self-contained tags

【讨论】：

【解决方案2】：

一个可能的解决方案是逐个标记，例如，清理<b></b>内部的所有内容：

price=re.sub("<[b][^>]*>(.+?)</[b]>", '', price)

【讨论】：