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 you have read our privacy policy.

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