我正在使用 Universal feed Parser 解析 RSS 内容。有时在描述标签中 我得到如下值:
<!--This is the XML comment -->
<p>This is a Test Paragraph</p></br>
<b>Sample Bold</b>
<m:Table>Sampe Text</m:Table>
为了删除 HTML 元素/标签，我使用了以下正则表达式。
pattern = re.compile(u'<\/?\w+\s*[^>]*?\/?>', re.DOTALL | re.MULTILINE | re.IGNORECASE | re.UNICODE)
desc = pattern.sub(u" ", desc)
这有助于删除 HTML 标记，但不会删除 xml 注释。如何同时删除元素和 XML 注释？
最佳答案
使用 lxml :
import lxml.html as LH
content='''
<!--This is the XML comment -->
<p>This is a Test Paragraph</p></br>
<b>Sample Bold</b>
<Table>Sampe Text</Table>
'''
doc=LH.fromstring(content)
print(doc.text_content())
产量
This is a Test Paragraph
Sample Bold
Sampe Text
关于python - 用于删除 XML 注释和 HTML 元素的 Python 中的正则表达式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7739536/