正则提取html网页中字符串

最新推荐文章于 2024-09-10 14:54:39 发布

zn505119020

最新推荐文章于 2024-09-10 14:54:39 发布

阅读量3.5k

点赞数

分类专栏：工作相关

本文链接：https://blog.csdn.net/zn505119020/article/details/78933313

版权

工作相关专栏收录该内容

136 篇文章 0 订阅

订阅专栏

方式一：

RULES = [
    [r'<style[\s\S]*?</style>', ''],
    [r'<script[\s\S]*?</script>', ''],
    [r'</(div|h|p)>', '\n'],
    [r'<br.*?>', '\n'],
    [r'<[^>]+?>', ''],
    [r'&nbsp;', ' '],
    [r'&amp;', '&'],
    [r'&lt;', '<'],
    [r'&gt;', '>'],
    [r'&quot;', '"'],
    [r'^[\n\s]*', ''],
    [r'^\s+', ' '],
    [r'^[\s\S]*?Description', ''],
    [r'Payment[\s\S]*$', ''],
]
result = reduce(lambda desc, rule: re.sub(rule[0], rule[1], desc, flags=re.I | re.M), RULES, description).strip()
print(result)

方式二：

result = description
result = re.sub(r'<style[\s\S]*?</style>', '', result, flags=re.I | re.M)
result = re.sub(r'</(div|h|p)>', '\n', result, flags=re.I | re.M)
result = re.sub(r'<br.*?>', '\n', result, flags=re.I | re.M)
result = re.sub(r'<[^>]+?>', '', result, flags=re.I | re.M)
result = re.sub(r'&nbsp;', ' ', result, flags=re.I | re.M)
result = re.sub(r'&amp;', '&', result, flags=re.I | re.M)
result = re.sub(r'&lt;', '<', result, flags=re.I | re.M)
result = re.sub(r'&gt;', '>', result, flags=re.I | re.M)
result = re.sub(r'&quot;', '"', result, flags=re.I | re.M)
result = re.sub(r'^[\n\s]*', '', result, flags=re.I | re.M)
result = re.sub(r'^[\s\S]*?Description', '', result, flags=re.I | re.M)
result = re.sub(r'Payment.*?$', '', result, flags=re.I | re.M)
result = result.strip()

print(result)