使用Python re删除链接

Question

假设我有一个类似<a href="/wiki/Greater_Boston" title="Greater Boston">Boston–Cambridge–Quincy, MA–NH MSA</a>的字符串

如何使用re除去链接并只获取Boston–Cambridge–Quincy, MA–NH MSA部分？你知道吗

我尝试了一些类似match = re.search(r'<.+>(\w+)<.+>', name_tmp)的方法，但没有奏效。你知道吗

Answer 1

re.sub('<a[^>]+>(.*?)</a>', '\\1', text)

注意，解析HTML通常是rather dangerous。但是，似乎您正在解析MediaWiki生成的链接，可以安全地假设链接的格式总是相似的，因此您应该可以使用该正则表达式。你知道吗

Answer 2

您还可以使用bleach模块https://pypi.python.org/pypi/bleach，该模块封装了html清理工具，并允许您快速剥离html文本