-2
:) 我不知道爲什麼下面的Python代碼也刪除空格,但它確實。 有人能解釋一下如何在沒有這樣做的情況下解決這個問題嗎? 謝謝! :)蟒蛇重新防止剝離空格
text = html
rules = [
{ r'>\s+' : u'>'},
{ r'\s+' : u' '},
{ r'\s*<br\s*/?>\s*' : u'\n'},
{ r'</(div)\s*>\s*' : u'\n'},
{ r'</(p|h\d)\s*>\s*' : u'\n\n'},
{ r'<head>.*<\s*(/head|body)[^>]*>' : u'' },
{ r'<a\s+href="([^"]+)"[^>]*>.*</a>' : r'\1' },
{ r'[ \t]*<[^<]*?/?>' : u'' },
{ r'^\s+' : u'' }
]
for rule in rules:
for (k,v) in rule.items():
regex = re.compile (k)
text = regex.sub (v, text)
print text
你真的不應該嘗試使用正則表達式解析HTML。它會以淚結束。 – geoffspear 2012-04-25 12:52:15
http://stackoverflow.com/a/1732454/1219006 – jamylak 2012-04-25 12:52:29
謝謝,我轉向HTML解析器:) – abkai 2012-04-26 11:42:44