Python-使用Python 3.6從HTML文字清除標記

Question

我正在嘗試創建一個程序，該程序可以“查找”指定的HTML標記，並用其他方式“替換”這些標記（使用作為字符串導入的HTML文本）。

免責聲明：我是python的新手，所以我可能缺少明顯的東西。 另外-基於以前類似的主題，我推測利用正則表達式模塊可能最適合該項目（不過，我會提出其他建議）。

這是我的“輸入”文本：

<p align="left"><span style="font-family: Arial,Arial; font-size: 12px; color: #ffffff;">Example Company | Technical How-To</span></p>  

這是我想要的“輸出”文本：

<p>Example Company | Technical How-To</p>  

這是我的“輸出”文本的內容：

</p> 

這是我用來獲取答案的python代碼：

while True: 

  import re
  print("Enter HTML Text Below")
  original = input("")


  def cleaner(raw_html):
    cleantextp = re.sub('<p.*?>', '<p>', raw_html)
    cleantextspan1 = re.sub('<span.*?>', '', cleantextp)
    cleantextspan2 = re.sub('<.*?/span>', '', cleantextspan1)
    return cleantextspan2

  if len(original) > 0:

    print(cleaner(original))

  else:
    print("Please try again")

對我來說，奇怪的是，當我“分離”我定義的函數並一次“清理”一個指定的標簽時，它似乎可以工作。 例：

while True: 

  import re
  print("Enter HTML Text Below")
  original = input("")


  def cleaner(raw_html):
    cleantextp = re.sub('<p.*?>', '<p>', raw_html)
    return cleantextp

  if len(original) > 0:

    print(cleaner(original))

  else:
    print("Please try again")

這段代碼為我提供了此文本（不會故意刪除<span>標記，但不會再次返回</p> ）：

<p><span style="font-family: Arial,Arial; font-size: 12px; color: #ffffff;">Example Company | Technical How-To</span></p>

所以基本上，我被困住了。 我嘗試了幾種不同的方法，包括為每個標簽定義一個單獨的“干凈”函數，以及依次通過每個函數迭代“輸入”文本，但是我沒有任何運氣。 有什么建議么？

Answer 1

BeautifulSoup，只是谷歌，不客氣=）

Answer 2

使用Python的beautfulsoup庫 。 （您需要先安裝它）。

網絡上到處都是示例，可以准確地找到您所需要的