Python 字符串过滤

Posted 2021-01-04 编程人生改变命运

需求：

str1 = "

"""<div class="m_wrap clearfix"><ul class="clearfix"><br/><br/><
br/><br/><br/><br/><br/><br/><br/><br/><br/><br/><b
r/><br/><br/><br/><br/><br/><li class="li_1 clearfix"><spa
n class="pt_title S_txt2">公司：</span><span class="pt_detail"><a href="h
ttp://s.weibo.com/user/&work=%E6%89%AC%E5%B7%9E%E6%8A%A5%E4%B8%9A%E9%9B%86%E5%9B%A2&from=inf&wvr=5&loc=infjob" target="_blank">扬州报业集团</a><br/> 
地区：江苏 ，扬州<br/> </span></li></ul></div></div></div></div>"""

"

想把 这段字符串的标签全部都去掉，比如去掉 </li>,   </ul>,   </div>.。只保留不带<>的内容，但是要保留<br/>，

有什么好的办法吗？使用正则可以实现这个工作：

# coding:utf-8
import re
newline = """<div class="m_wrap clearfix"><ul class="clearfix"><br/><br/><br/><br/><br/><br/><br/><br/><br/><br/><br/><br/><br
　　/><br/><br/><br/><br/><br/><li class="li_1 clearfix"><span class="pt_title S_txt2">公司：</span><span class="pt_detail"><a
 　　href="http://s.weibo.com/user/&work=%E6%89%AC%E5%B7%9E%E6%8A%A5%E4%B8%9A%E9%9B%86%E5%9B%A2&from=inf&wvr=5&loc=infjob" target="_blank">
　　扬州报业集团</a><br/> 地区：江苏 ，扬州<br/> </span></li></ul></div></div></div></div>"""


newline= newline.replace(‘<br/>‘,‘!!!###‘)
re_comment = re.compile(‘<[^>]*>‘)
newlines = re_comment.sub(‘‘, newline)
newlines = newlines.replace(‘!!!###‘,‘<br/>‘).replace(‘<br/><br/>‘,‘<br/>‘).replace(‘<br/><br/>‘,‘<br/>‘)
print newlines

输出结果是：

C:Python27python.exe F:/squid_frame/ZYXT__weibo/test.py
<br/>公司：扬州报业集团<br/> 地区：江苏 ，扬州<br/> 

Process finished with exit code 0