У меня есть поле «тело» в моей таблице (MySQL) и там много записей, как:Как удалить ненужные теги?
</p><p> </p><p>
</p><p>
</p><p>
Много пространства, новой линии, & NBSP и т.д. Как его удалить?
Это не работает:
text.replace('</p><p> </p><p>', '</p><p>')
text.replace('</p><p>\n</p><p>', '</p><p>')
text = ''.join(text.split()) - после того, что вы можете продолжать с заменами.
Я бы проанализировал такой файл в дереве синтаксиса, а затем удалил туда пустые листья. Затем будет генерировать HTML-файл снова. К сожалению, я не работаю на python, я не могу указать для этого полезные библиотеки.
Попробуйте это регулярное выражение:
>>> import re
>>> text = '''</p><p> </p><p>
...
... </p><p>
... </p><p>
... '''
>>> re.sub(r'<p>(?: |\s|<br \/>)*?</p>\s*', '', text)
'</p><p>\n'
text.strip('> ').strip(' ').strip('\n').strip('\t')
Что @Jurlie Отдается это хороший подход. Рассмотрите возможность использования BeautifulSoup для этой пурпурной. Это очень зрелая и надежная библиотека.
Это был бы лучший способ обработки таких вещей, как комментарии или значения атрибутов, содержащие «
» правильно. Но в большинстве случаев работает простой поиск и замена. –[lxml] (http://lxml.de/) будет хорошим выбором – Dikei