用正则表达式替换两个标签之间的内容

Question

如果我有一个xml标签，比如：

<tag>
    ... abunch of stuff inside here
</tag>

我该怎么把里面的内容全部去掉，包括标签本身呢？

我试过用 re.sub('<tag>.+</tag>', '', string)，但是没有成功。我哪里出错了呢？

Answer 1

我之前其实用过xml，不过已经很久了。当时我在使用svg，并且在处理编辑svg。如果你想删除标签里面的内容，我觉得你应该去看看javascript或者jquery的相关内容。

Answer 2

你不能用正则表达式来解析XML。这根本不可能。很多人写的正则表达式看起来能用，但一旦遇到一些意想不到的情况就会出问题。你真的需要使用专门的XML解析器来处理这个。

Answer 3

你可以安全地使用 lxml，虽然这和你想用 re 的想法相悖，但你可能已经被其他人的评论说服了，认为使用 re 是有风险的。

import lxml.etree as etree

xml = """<root>
<item name="1"/>
<item name="2"/>
<tag>
    <nested>Will I die</nested>
    ... abunch of stuff inside here
</tag>
<another/>
</root>"""

root = etree.fromstring(xml)
for to_kill in root.xpath("//tag"):
    to_kill.getparent().remove(to_kill)

print etree.tostring(root,  pretty_print=True)

结果是：

<root>
<item name="1"/>
<item name="2"/>
<another/>
</root>