[英]How to get pure text from a string in python?
其中有一個帶有許多html標簽的字符串,如下所示,
u'find /home/tiger/workspace -name "[0-9]*"<br />find /home/tiger/workspace -name "[!0-9]*"<br />find /home/tiger/workspace -name "[^0-9]*"<br /><br />\找\出\所\有\包\含\數\字\的\文\件\,\不\包\含\數\字\的\文\件\。<br />tiger@debian:~$ find /home/tiger -name "*[0-9]*" >kan1<br />tiger@debian:~$ find /home/tiger -name "[0-9]*" >kan2<br />tiger@debian:~$ find /home/tiger -name "*[0-9]" >kan3<br /><br /><br />\包\含\數\字\,\數\字\開\頭\,\數\字\結\尾'
如何獲取字符串中的純文本以刪除html標簽?
使用html2text庫:
>>> print html2text.html2text(s)
find /home/tiger/workspace _place_holder; -name "[0-9]*"
find /home/tiger/workspace _place_holder; -name "[!0-9]*"
find /home/tiger/workspace _place_holder; -name "[^0-9]*"
找出所有包含數字的文件,不包含數字的文件。
tiger@debian:~$ find /home/tiger _place_holder; -name
"*[0-9]*" _place_holder; >kan1
tiger@debian:~$ find /home/tiger _place_holder; -name
"[0-9]*" _place_holder; >kan2
tiger@debian:~$ find /home/tiger _place_holder; -name
"*[0-9]" _place_holder; >kan3
包含數字,數字開頭,數字結尾
請參閱使用Python從HTML文件提取文本以供參考。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.