如何使用正則表達式從python中刪除字符串中的標簽？ （不是HTML）

Question

我需要從python中的字符串中刪除標簽。

<FNT name="Century Schoolbook" size="22">Title</FNT>

刪除兩端的整個標記的最有效方法是什么，只留下“標題”？ 我只看到過使用HTML標簽做到這一點的方法，而這在python中對我沒用。 我正在使用這個特別適用於GIS程序ArcMap。 它有自己的布局元素標簽，我只需刪除兩個特定標題文本元素的標簽。 我相信正則表達式應該可以正常使用，但我對任何其他建議持開放態度。

Answer 1

這應該工作：

import re
re.sub('<[^>]*>', '', mystring)

對於每個人說正則表達式不是正確的工具：

問題的背景是關於常規/無上下文語言的所有異議都是無效的。 他的語言基本上由三個實體組成： a = < ， b = >和c = [^><]+ 。 他想刪除任何acb 。 這直接將他的問題描述為涉及無上下文語法的問題，並且將其定性為常規語法並不困難。

我知道每個人都喜歡“你不能用正則表達式解析HTML”的答案，但是OP不想解析它，他只是想進行簡單的轉換。

Answer 2

請避免使用正則表達式。 雖然正則表達式可以處理你的簡單字符串，但如果你得到一個復雜的字符串，你將來會遇到問題。

您可以使用BeautifulSoup get_text()功能。

from bs4 import BeautifulSoup

text = '<FNT name="Century Schoolbook" size="22">Title</FNT>'
soup = BeautifulSoup(text)

print(soup.get_text())

Answer 3

搜索此正則表達式並將其替換為空字符串應該可行。

/<[A-Za-z\/][^>]*>/

示例（來自python shell）：

>>> import re
>>> my_string = '<FNT name="Century Schoolbook" size="22">Title</FNT>'
>>> print re.sub('<[A-Za-z\/][^>]*>', '', my_string)
Title

Answer 4

如果它僅用於解析和檢索值，您可以查看BeautifulStoneSoup。

Answer 5

如果源文本是格式良好的XML，則可以使用stdlib模塊ElementTree ：

import xml.etree.ElementTree as ET
mystring = """<FNT name="Century Schoolbook" size="22">Title</FNT>"""
element = ET.XML(mystring)
print element.text  # 'Title'

如果來源不是很好，BeautifulSoup是一個很好的建議。 正如幾張海報所指出的，使用正則表達式來解析標簽並不是一個好主意。

Answer 6

使用XML解析器，例如ElementTree。 正則表達式不適合這項工作。