Python - 使用 Python 3.6 从 HTML 文本中清除标签

Question

我正在尝试创建一个程序，该程序可以“查找”指定的 HTML 标记，并用其他内容“替换”这些标记（使用作为字符串导入的 HTML 文本）。

免责声明：我对 python 很陌生，所以我可能会遗漏一些明显的东西。 另外 - 基于与此类似的先前帖子主题，我推测使用正则表达式模块可能最适合这个项目（不过我会接受替代建议）。

这是我的“输入”文本：

<p align="left"><span style="font-family: Arial,Arial; font-size: 12px; color: #ffffff;">Example Company | Technical How-To</span></p>  

这是我想要的“输出”文本：

<p>Example Company | Technical How-To</p>  

这是我的“输出”文本：

</p> 

这是我用来得到答案的python代码：

while True: 

  import re
  print("Enter HTML Text Below")
  original = input("")


  def cleaner(raw_html):
    cleantextp = re.sub('<p.*?>', '<p>', raw_html)
    cleantextspan1 = re.sub('<span.*?>', '', cleantextp)
    cleantextspan2 = re.sub('<.*?/span>', '', cleantextspan1)
    return cleantextspan2

  if len(original) > 0:

    print(cleaner(original))

  else:
    print("Please try again")

对我来说奇怪的是，当我“分离”我定义的函数并让它一次“清理”一个指定的标签时，它似乎可以工作。示例：

while True: 

  import re
  print("Enter HTML Text Below")
  original = input("")


  def cleaner(raw_html):
    cleantextp = re.sub('<p.*?>', '<p>', raw_html)
    return cleantextp

  if len(original) > 0:

    print(cleaner(original))

  else:
    print("Please try again")

这段代码让我得到了这段文字（不会故意删除<span>标签，但也不会再次返回</p>）：

<p><span style="font-family: Arial,Arial; font-size: 12px; color: #ffffff;">Example Company | Technical How-To</span></p>

所以基本上，我被困住了。我尝试了几种不同的方法，包括为每个标签定义一个单独的“干净”函数，并按顺序通过每个函数迭代“输入”文本，但我没有任何运气。有什么建议吗？

Answer 1

BeautifulSoup，随便谷歌一下，不客气 =)

Answer 2

使用 Python 的beautfulsoup library。 （您需要先安装它）。

网络上有很多例子可以准确地找到你需要的东西