與蟒蛇

Question

刪除特定HTML標籤我有一個HTML細胞內的一些HTML表格，就像這樣：

miniTable='<table style="width: 100%%" bgcolor="%s"> 
       <tr><td><font color="%s"><b>%s</b></td></tr> 
      </table>' % (bgcolor, fontColor, floatNumber) 

html += '<td>' + miniTable + '</td>' 

有沒有辦法去除，涉及到這個minitable HTML標記，並只有這些html標籤？
我想以某種方式刪除這些標籤：

<table style="width: 100%%" bgcolor="%s"><tr><td><font color="%s"><b> 
and 
</b></td></tr></table> 

得到這個：

floatNumber 

其中floatNumber是一個浮點數的字符串表示。 我不希望任何其他HTML標記以任何方式進行修改。我想使用string.replace或正則表達式，但我很難過。

Answer 1

如果您不能安裝和使用美麗的湯（否則BS是首選，因爲@奧托allmendinger建議）：

import re 
s = '<table style="width: 100%%" bgcolor="%s"><tr><td><font color="%s"><b>1.23</b></td></tr></table>' 
result = float(re.sub(r"<.?table[^>]*>|<.?t[rd]>|<font[^>]+>|<.?b>", "", s)) 

Answer 2

Do not use str.replace or regex.

使用HTML解析庫像Beautiful Soup，得到你想要的元素，包含的文本。

最後的代碼應該是這個樣子

from bs4 import BeautifulSoup 

soup = BeautifulSoup(html_doc) 

for t in soup.find_all("table"): # the actual selection depends on your specific code 
    content = t.get_text() 
    # content should be the float number