用 Python 替换一些带有特殊字符的 HTML 标签 [关闭]答案

【问题标题】：Replace some HTML tags with special characters with Python [closed]用 Python 替换一些带有特殊字符的 HTML 标签 [关闭]
【发布时间】：2021-07-06 19:42:33
【问题描述】：

我有一些字符串包含一些 HTML 标签，如 、 和  ，我需要分别用 *、_ 和 \n 替换这些标签；

例如：

"this string contain bold and italic formatted text. How can I substitute these HTML tags with Python?"

必须成为

"this string contain *bold* and _italic_ formatted text.\nHow can I substitute these *_HTML tags_* with *Python*?".

执行此操作的最佳做法是什么？也许正则表达式？怎么样？

【问题讨论】：

标签： python html regex string replace

【解决方案1】：

最好的做法是什么？也许是正则表达式？

当然不是，当您需要使用 Chomsky Type-2 时，正则表达式非常适合处理 Chomsky Type-3。

您可以按照以下方式使用html.parser 内置模块

from html.parser import HTMLParser
changes = {"strong": "*", "em": "_", "br": "\n"}
class Converter(HTMLParser):
    def __init__(self, *args, **kwargs):
        self.out = ""
        super().__init__(*args, **kwargs)
    def handle_starttag(self, tag, attrs):
        self.out += changes.get(tag, tag)
    def handle_endtag(self, tag):
        if tag != "br":
            self.out += changes.get(tag, tag)
    def handle_data(self, data):
        self.out += data

txt = "this string contain <strong>bold</strong> and <em>italic</em> formatted text.<br/>How can I substitute these <strong><em>HTML tags</em></strong> with <strong>Python</strong>?"

conv = Converter()
conv.feed(txt)
print(conv.out)

输出

this string contain *bold* and _italic_ formatted text.
How can I substitute these *_HTML tags_* with *Python*?

请注意，我会忽略 br 结束标签，否则   会导致双换行符。

【讨论】：

谢谢，我不知道 html.parser 模块。我还必须导入 abc 并将 ABC 作为 Converter 的基类。

【解决方案2】：

不要说 python，但是用*替换</?strong>和用_替换</?em>应该这样做。

</?strong> 匹配 和 ，因为/ 被? 设为可选。

Example for strong here on regex101.

【讨论】：

谢谢，这个解决方案有效，但我认为@Daweo 解决方案更“Pythonic”。