Я хочу удалить HTML комментарии из HTML текстаКак удалить HTML комментарии с помощью Regex в Python
<h1>heading</h1> <!-- comment-with-hyphen --> some text <-- con --> more text <hello></hello> more text
должно привести:
<h1>heading</h1> some text <-- con --> more text <hello></hello> more text
Наконец придумал этот вариант:
re.sub("(<!--.*?-->)", "", t)
Добавление ? делает поиск не- жадный и не объединяет несколько тегов комментариев.
Вы могли бы попробовать это регулярное выражение <![^<]*>
Ваше регулярное выражение слишком много соответствует - обратите внимание, что вопрос имеет пример «<-- con -->», который не является комментарием HTML. –
@GregLindahl это регулярное выражение не соответствовало «<-- con -->» и возвратило результат в ожидании OP. – dragon2fly
@GregLindahl Вы можете протестировать его здесь https://regex101.com/r/Tdf5In/1 – dragon2fly
Вы не должны игнорировать возврат каретки.
re.sub("(<!--.*?-->)", "", s, flags=re.MULTILINE)
Почему мы не должны удалять также возврат каретки? – Ethan
Ответы huazhihao соответствуют комментариям, которые возвращают каретки в комментарии. В одном из других ответов отсутствуют флаги = re.MULTILINE –
действительно должен быть 're.DOTALL', а не' re.MULTILINE'. Это 're.DOTALL', который соответствует' \ n' на '.' – fjsj
Не используйте регулярное выражение. Вместо этого используйте синтаксический анализатор XML, который в стандартной библиотеке более чем достаточен.
from xml.etree import ElementTree as ET
html = ET.parse("comments.html")
ET.dump(html) # Dumps to stdout
ET.write("no-comments.html", method="html") # Write to a file
Хотя это хороший совет, производительность парсеров XML намного, гораздо медленнее, чем это регулярное выражение. –
html = re.sub(r"<!--(.|\s|\n)*?-->", "", html)
re.sub в основном найти экземпляр соответствия и заменить вторым аргументами. Для этого случая <!--(.|\s|\n)*?--> соответствует чему-либо начинающему с <!-- и заканчивается -->. Точка и? означает что угодно, и \ s и \ n добавляют случаи комментария muti line.
Использование регулярных выражений на ограниченном, известном наборе HTML может быть уместным. Тем не менее, вы должны знать, что есть бесчисленные случаи, когда он сломается, и, как правило, не рекомендуется. – grc
Связанные: http://stackoverflow.com/a/1732454/3001761 – jonrsharpe
Почему downvotes на вопрос? Если вы работаете над «известным набором HTML», это был законный вопрос. –