Python：从字符串中剥离<p>和</ p>的正确方法？

问题描述

| 我想从字符串中去除

<p>

和

</p>

（假设lets2ѭ）。 现在我正在这样做：

s.strip(\'\"<p>\"\"</p>\"\')

我不确定自己的操作是否正确，但是对于我使用的大多数字符串来说，这已经足够有效了。 除此之外，我仍然得到以下字符串：

Here goes..</p>

还有其他有效的剥离方法吗？它不需要快速或高效。我需要有效的方法来完成工作。 测试用例 比方说：

s=\"<p>Here goes..</p>\"

在对

s

执行必要的操作后，

print s

应给出：

Here goes..

    

解决方法

        假设您不尝试清理XML / HTML，以下方法将起作用：

s = s.replace(\'<p>\',\'\').replace(\'</p>\',\'\') 

    ,        如果要处理大量的HTML / XML，则可能希望使用解析器轻松安全地对其进行操作，而不是使用基本的字符串操作功能。我真的很喜欢BeautifulSoup这样的工作。它可以与无效的标记一起使用，并且具有非常优雅的API。 在您的示例中，可以这样使用它：

>>> soup = BeautifulSoup(\'<p>hello world</p>\')
>>> soup.text
u\'hello world\'

    ,        您正在尝试从值中剥离

\"<p>\"\"</p>\"

字符串中出现的所有所有字符。

strip

将此值视为一个集合，它将从字符串中删除任何

\"

，

<

，

p

，

/

或

>

。

>>> s = \'Here goes \"/p>\'
>>> s.strip(\'\"<p>\"\"</p>\"\')
\'Here goes \'

因此，仅当您要删除字符集而不是整个多字符字符串时，才使用

strip

（以及

rstrip

和

lstrip

）才适用。 如果要从开头删除“ 0”，从结尾删除“ 1”，则可以使用以下命令：

if s.startswith(\'<p>\'):
     s = s[3:]
if s.endswith(\'</p>\'):
     s = s[:-4]

如果您需要从字符串的其他位置删除它们，则需要使用

s.replace

：

s.replace(\'<p>\',\'\')

或者您可以查看正则表达式。     ,        您可以为此使用正则表达式，只需使用导入和一行即可：

>>> import re
>>> s=\"text<p>text</p>text\"
>>> re.sub(\"</?p>\",\"\",s)
\'texttexttext\'

split(\"</p>\")

失败的原因是试图剥离to14ѭ，

/

，

p

或

>

；不是

</p>

。     ,        

s=\"<p>Here goes..</p>\"
s = s.lstrip(\"<p>\")
s = s.rstrip(\"</p>\").strip(\'.\')