如何在Python中删除html文件的特定部分

Question

我正在处理一个包含项目1，项目2和项目3的html文件。我想删除项目2之后的所有文本。我可以在文件中找到项目2，如下所示：

Item2= re.compile (r'(Item 2)',re.I|re.S)
Item2match= Item2.findall(file)

但我不知道如何删除后面的文字。

Answer 1

只需使用字符串方法分割html文本并采用第一部分； str.partition()工作简单得多：

file.partition('Item 2')[0]

如果您也想保留Item 2文字，请使用：

''.join(file.partition('Item 2')[:2])

此处无需使用正则表达式； 您正在匹配文字文本。 正则表达式是一种出色的表现力和强大的工具，但是如果有更简单的选择，则不要使用它。

演示：

>>> 'Some text with Item 2 in it'.partition('Item 2')[0]
'Some text with '
>>> ''.join('Some text with Item 2 in it'.partition('Item 2')[:2])
'Some text with Item 2'

Answer 2

>>> re.sub(r'(?s)(?<=Item&nbsp;2)(.*)', '', file)

例：

>>> s
'Item 2...feiugeogherger\nfjweifjwef\nsfjioweiefjwe'
>>> re.sub(r'(?s)(?<=Item&nbsp;2)(.*)', '', s)
'Item&nbsp;2'