使用Python重新擺脫鏈接

Question

說我有一個字符串看起來像<a href="/wiki/Greater_Boston" title="Greater Boston">Boston–Cambridge–Quincy, MA–NH MSA</a>

如何使用re擺脫鏈接並只獲得Boston–Cambridge–Quincy, MA–NH MSA一部分？

我試過類似match = re.search(r'<.+>(\w+)<.+>', name_tmp)但不工作。

Answer 1

re.sub('<a[^>]+>(.*?)</a>', '\\1', text) 

請注意，解析HTML通常是rather dangerous。但是，您似乎在解析MediaWiki生成的鏈接，並認爲鏈接總是相似的格式，因此您應該對該正則表達式應該沒問題。

Answer 2

您還可以使用bleach模塊https://pypi.python.org/pypi/bleach，它包裝HTML消毒工具，讓你快速去除HTML

的文本