python正则表达式使用实例-替换字符串HTML标签

最近因为需要把字符串中的html标签替换掉，想到的是使用正则来做，因为原来模块是用C++码的，所以就用的glibc的regex来做的。后来查资料发现用python来做这件事，简单方便，而且一次性可以完成所有替换，不想用C还需要自己写程序移动指针完成替换。不多说了上代码，很简单。

 #! /usr/bin/env python
    # -*- coding:gbk -*-

    """
    Notes:
        A python script that use regex to replace all the label of a html file
    """

    import os
    import sys
    import re

    if __name__ == "__main__":
        input_file = sys.argv[1]
        with open(input_file, 'r') as fp:
            for line in fp:
                line = line.rstrip()
                pattern = re.compile(r'<([^>]*)>')
                match_list = pattern.findall(line)
                for i in range(0, len(match_list)):
                    print "matched:%s" %match_list[i]
                line = pattern.sub('', line)
                print line

输入文件

 helle<p>world</p><br/>

输出结果

matched:p
matched:/p
matched:br/
helleworld

这里说一下，Python的re模块的findall函数返回的是正则模式里面组所匹配的内容，可以方便进一步使用。

欢迎点击