在Python中使用正则表达式去掉字符串里的html标签

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

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 id="TopNav"><li><a href="/EditPosts.aspx" id="TabPosts">随笔</a></li>

        <li><a href="/EditArticles.aspx" id="TabArticles">文章</a></li>

        <li><a href="/EditDiary.aspx" id="TabDiary">日记</a></li>

        <li><a href="/Feedback.aspx" id="TabFeedback">评论</a></li>

        <li><a href="/EditLinks.aspx" id="TabLinks">链接</a></li>

        <li id="GalleryTab"><a href="/EditGalleries.aspx" id="TabGalleries">相册</a></li>

        <li id="FilesTab"><a href="Files.aspx" id="TabFiles">文件</a></li>

        <li><a href="/Configure.aspx" id="TabConfigure">设置</a></li>

        <li><a href="/Preferences.aspx" id="TabPreferences">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。