在Python中使用正则表达式去掉字符串里的html标签

有时候会获得一些带html标签的字符串，需要把html标签去掉，获得干净的字符串，这时候可以使用正则表达式。

代码如下：

import re

htmeString = '''<ul >随笔</a></li>
        <li><a href="/EditArticles.aspx" >文章</a></li>
        <li><a href="/EditDiary.aspx" >日记</a></li>
        <li><a href="/Feedback.aspx" >评论</a></li>
        <li><a href="/EditLinks.aspx" >链接</a></li>
        <li >相册</a></li>
        <li >文件</a></li>
        <li><a href="/Configure.aspx" >设置</a></li>
        <li><a href="/Preferences.aspx" >选项</a></li></ul>'''


# 方法 1 
pre = re.compile('>(.*?)<') 
s1 = ''.join(pre.findall(htmlString))
print(s1)   # '随笔文章日记评论链接相册文件设置选项'


# 方法 2
s2 = re.sub(r'<.*?>','',htmlString)
print(s2)   # '\n\n随笔\n文章\n日记\n评论\n链接\n相册\n文件\n设置\n选项\n\n'

# 再用str.replace()函数去掉'\n'
s2 = s2.replace('\n','')
print(s2)   # '随笔文章日记评论链接相册文件设置选项'

 

完。