我正在使用以下代码从 RSS 提要中获取结果:
try:
desc = item.xpath('description')[0].text
if date is not None:
desc =date +"\n"+"\n"+desc
except:
desc = None
但有时描述中包含少量 unicode html 字符，如下所示:
The text from XML looks like " and with ' and other &...; stuff
在显示内容时我不想显示它们。是否有任何正则表达式来删除 HTML 标记。
最佳答案
我用了一个叫“Unescaping XML”的东西，不知道对你有没有帮助。
参见:http://wiki.python.org/moin/EscapingXml
from xml.sax.saxutils import unescape
unescape("< & >")
'< & >'
unescape("' "", {"'": "'", """: '"'})
'\' "'
编辑
刚刚看到这个，可能很有趣。 (未测试):unescape with urllib
关于python - 从 Python 中的字符串中删除“”的正则表达式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7332502/