美丽的汤正则表达式

Posted 2023-02-23

【中文标题】美丽的汤正则表达式

【英文标题】：beautiful soup regex

【发布时间】：2018-09-21 01:04:52

【问题描述】：

我刚刚在 Python 中运行了以下代码，以将所有特定电子邮件从 IMAP 文件夹中取出。提取部分工作正常，BeautifulSoup 部分工作正常，但输出中有很多“\r”和“\n”。

我尝试使用 REGEX 子函数删除这些，但它不起作用……甚至没有给出错误消息。知道有什么问题吗？我附上代码...请注意（这不是完整的代码，但我发布的代码上方的所有内容都可以正常工作。它仍然打印输出，它是“美化的”，但 \r 和 \n 仍然存在。已尝试使用 find_all() 但这也不起作用。

mail.list()  # Lists all labels in GMail
mail.select('INBOX/Personal')  # Connected to inbox.

resp, items = mail.search(None, '(SEEN)')

items = items[0].split()  # getting the mails id        
for emailid in items:
    # getting the mail content
    resp, data = mail.fetch(emailid, '(UID BODY[TEXT])')
    text = str(data[0])  # [1] don't forget to add this back
    soup = bs(text, 'html.parser')
    soup = soup.prettify()
    soup = re.sub('\\r\\n', '', soup)

print(soup)

【问题讨论】：

你能提供一个items内容的例子吗？

你能举个输入例子吗？此外，您的示例中的 for 循环也没有正确缩进

只用.replace()tutorialspoint.com/python/string_replace.htm

已更改帖子以反映您的上述问题。

感谢埃尔维尔！那行得通。想知道为什么 REGEX 不起作用。

【参考方案1】：

您可以将其用于一行正则表达式：

soup = re.sub('\\r*n*', '', soup)

或者你可以使用这个：

soup = re.sub('\\r', '', soup)
soup = re.sub('\\n', '', soup)

https://regexr.com/3nnp1

【参考方案2】：

replace 直接命令呢？由于它不是正则表达式，它应该更快。

soup.replace("\n","").replace("\r","")