0

Есть html код, надо из текса убрать тег ...

Пример(исходный вариант):

<p><strong>Мощный Фонарь Police BL-Q2822- 30000W T6,  12V под руж. два диода</strong></p><p> </p><p> </p><p><strong>  Тактический фонарь Police 12V BL-Q2822- 30000W T6</strong> мощный фонарь имеющий два отражателя для еще более эфективного и яркого свечения. В <a href="/g9893677-komplektuyuschie">комплекте</a> идет универсальное крепление под ружье, выносная кнопка, два аккумулятора 18650

Конечный вариант:

<p><strong>Мощный Фонарь Police BL-Q2822- 30000W T6,  12V под руж. два диода</strong></p><p> </p><p> </p><p><strong>  Тактический фонарь Police 12V BL-Q2822- 30000W T6</strong> мощный фонарь имеющий два отражателя для еще более эфективного и яркого свечения. В комплекте идет универсальное крепление под ружье, выносная кнопка, два аккумулятора 18650

Хочу находить подобные ссылки с помощью регулярных выражений, но чет не могу составить это регулярное выражение, подскажите пожалуйста. Спасибо !

4
  • 1
    Можно просто взять bleach и не изобретать велосипед. 10 мая 2018 в 19:20
  • обязательное чтение: RegEx match open tags except XHTML self-contained tags
    – jfs
    10 мая 2018 в 19:22
  • Пробовал использовать bleach, но чет не пойму как правильно с ним работать.. может кто-то показать пример ? я делаю примерно так ` q=bleach.clean(html_text, tags=['a'])` и полагаю что теги <a> должны исчезнуть, но получаю ошибку 'TypeError: argument cannot be of 'Tag' type, must be of text type'
    – alex shel
    10 мая 2018 в 20:21
  • связанный вопрос Strip HTML from strings in Python
    – jfs
    10 мая 2018 в 20:32

2 ответа 2

1

Например, вот так можно.

import re
html = '<p><strong>Мощный Фонарь Police BL-Q2822- 30000W T6,  12V под руж. два диода</strong></p><p> </p><p> </p><p><strong>  Тактический фонарь Police 12V BL-Q2822- 30000W T6</strong> мощный фонарь имеющий два отражателя для еще более эфективного и яркого свечения. В <a href="/g9893677-komplektuyuschie">комплекте</a> идет универсальное крепление под ружье, выносная кнопка, два аккумулятора 18650'
notag = re.sub("<a.*?>|</a>", "", html)
1
0

Регулярные выражения могут легко сломаться, используйте html парсер для работы с html. Чтобы распаковать <a> элементы (убрать теги, оставить содержимое):

import bs4  # $ pip install beautifulsoup4

soup = bs4.BeautifulSoup(html_str, 'html.parser')
for a in soup.find_all('a'):
    a.unwrap()
print(soup.prettify())

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.