需要帮助解决Python中的正则表达式问题

Question

请帮忙把这样的字符串：

<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>

变成这样的字符串：

link_text_part1 another_text link_text_part2

使用Python中的正则表达式

注意 testsite.com 有所更改

Answer 1

用正则表达式解析HTML，即使是简单的情况，通常是不太推荐的。你永远不知道什么时候会遇到一些HTML代码，让你的正则表达式搞不清楚状况。

使用一个轻量级的HTML解析器通常是更可靠、更优雅的解决方案。

Answer 2

当然可以！请看下面的内容：

在编程中，有时候我们需要让程序在特定的条件下执行某些操作。这就像是给程序设定了一些规则，只有当这些规则满足时，程序才会继续进行。比如说，如果你在玩游戏，只有当你收集到足够的金币，才能解锁下一个关卡。

在代码中，我们通常会使用“条件语句”来实现这个功能。条件语句就像是一个检查点，程序会在这里停下来，看看是否满足条件。如果满足，程序就会执行接下来的代码；如果不满足，程序可能会跳过这些代码，或者执行其他的操作。

这样做的好处是可以让程序更加灵活，能够根据不同的情况做出不同的反应。就像在生活中，我们会根据天气的变化来决定穿什么衣服一样。

希望这个解释能帮助你更好地理解条件语句的概念！

string = re.sub('<[^>]+>', '', string)

Answer 3

所以你想要去掉 <a> 和 <em> 标签？可以这样做：

>>> s = '<a href="http://testsite.com" class="className">link_text_part1 <em>another_text</em> link_text_part2</a>'

>>> re.sub("</?(a|em).*?>", "", s)
'link_text_part1 another_text link_text_part2'

简单来说，这段代码的意思是：

• 先找一个 < 字符
• 后面可以跟一个 /（这样可以找到结束标签）
• 接着是 'a' 或 'em'
• 最后是任何内容，直到第一个 > 字符为止

然后把找到的内容替换成空字符串，也就是删除它们。

不过正如Kos所说，使用正则表达式来解析HTML是非常危险和脆弱的，除非你确定你要解析的HTML格式永远不会改变。