Python 去掉字符串中的超链接href,email的两种方法(re模块，bs模块)

@[TOC](Python 去掉字符串中的超链接href,email的两种方法(re模块，bs模块))

一： re模块

def html_tag_rm(content: str):
    dr = re.compile(r'<[^>]+>',re.S)
    return dr.sub('', content)


# 去除url
def del_href(content):
    s = re.sub(r'^(https:\S+)', ' ', content)
    s = re.sub(r'[a-zA-Z]+://[^\s]*', '', s)
    return s


# 去除Email
def del_email(content):
    s = re.sub(r'^([\w]+\.*)([\w]+)\@[\w]+\.\w{3}(\.\w{2}|)', ' ', content)
    return s

二、bs模块

BeautifulSoup4是爬虫必学的技能。BeautifulSoup最主要的功能是从网页抓取数据，Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。BeautifulSoup支持Python标准库中的HTML解析器,还支持一些第三方的解析器，如果我们不安装它，则 Python 会使用 Python默认的解析器，lxml 解析器更加强大，速度更快，推荐使用lxml 解析器。

from bs4 import BeautifulSoup


file = open('983/1.htm&#