python修改html的<td>_如何从htmltd标记中除去python中rowspan之外的所有属性？

使用Python3.3我试图制作一些正则表达式替代品，但没有成功。在

我想去掉td标记的所有属性，除了rowspan属性(末尾的示例td)。在

当rowspan存在时，我可以使用以下命令成功替换：re.sub('(

]*([\\s]rowspan[\\s]*=[\\s]*[0-9]*)[^>]*(>)', handle_td, file_contents)

其中handle_td是：

^{pr2}$

但我还想处理剩下的td，这是我没有做到的。在

如果我在第二个组之后添加?，它将td标记更改为，并且不保留rowspan属性。在

我做错什么了？我该怎么解决这个问题？

我没有运行另一个命令来处理另一个td的，但我没有管理…

这将产生：

我是这样做的(如果您有更好的方法，请随意添加它)：# Leave only specific attributes for td tags

def filter_td_attributes(matchobj):

if matchobj.group(1) == "rowspan":

return matchobj.group(1) + '=' + matchobj.group(2)

# Loop the attributes of the td tags

def handle_td(matchobj):

new_td = re.sub("([a-zA-Z]+)[\\s]*=[\\s]*([a-zA-Z0-9:;.\\-'\\s]*)([\\s]|>)", filter_td_attributes, matchobj.group(0))

new_td = re.sub("[\\s]*$", '', new_td)

new_td = new_td + ">" # close the td tag

return new_td

file_contents = re.sub('[\\s]*

[\\s]*', '', file_contents)