Python：正确去除字符串中的 <p> 和 </p> 的方法？

Question

我想从一个字符串中去掉 <p> 和 </p> 标签（假设这个字符串叫 s）。

现在我正在这样做：

s.strip('"<p>""</p>"')

我不太确定我这样做是否正确，但对我用过的大部分字符串来说，这个方法还算有效。

不过，我还是会得到这样的字符串： Here goes..</p>

有没有其他有效的方法可以去掉这些标签？速度和效率不是问题，我只需要一个能完成工作的有效方法。

测试案例

假设：
s="<p>Here goes..</p>"

在对 s 进行必要的操作后，print s 应该输出：
Here goes..

Answer 1

你想要把字符串中的所有字符，比如 "<p>" 和 "</p>"，都去掉。使用 strip 的话，它会把这个值当成一个 集合 来处理，也就是说，它会把字符串中的任何 "、<、p、/ 或 > 都去掉。

>>> s = 'Here goes "/p>'
>>> s.strip('"<p>""</p>"')
'Here goes '

所以，使用 strip（还有 rstrip 和 lstrip）只适合用来去掉一组字符，而不是去掉一个完整的多字符字符串。

如果你想把 <p> 从开头去掉，</p> 从结尾去掉，可以用下面的方法：

if s.startswith('<p>'):
     s = s[3:]
if s.endswith('</p>'):
     s = s[:-4]

如果你需要在字符串的其他地方去掉这些内容，就需要用 s.replace 了：

s.replace('<p>', '').replace('</p>', '')

或者你也可以看看正则表达式。

Answer 2

如果你需要处理很多HTML或XML内容，建议使用一个解析器，这样可以更轻松、安全地对它们进行操作，而不是仅仅用简单的字符串处理函数。我个人非常喜欢BeautifulSoup来做这种工作。它可以处理不太规范的标记，并且提供了一个非常优雅的接口。

在你的例子中，你可以这样使用它：

>>> soup = BeautifulSoup('<p>hello world</p>')
>>> soup.text
u'hello world'

Answer 3

假设你并不是想要清理XML或HTML，那么下面的内容就可以使用：

s = s.replace('<p>', '').replace('</p>', '')