要从一个字符串中删除HTML标签和实体,可以使用Python的html.unescape()
函数。这个函数可以解析HTML字符实体,并将它们转换为可读的字符。同时,可以使用re.sub()
函数来删除HTML标签。re.sub()
函数可以在字符串中查找指定的模式,并替换为指定的字符串。
以下是一个示例代码,可以从字符串中删除HTML标签和实体:
import html
import re
html_string = "<p>这是一个<p>带有HTML标签的字符串。<a href='https://www.example.com'>链接</a></p>"
cleaned_string = html.unescape(re.sub(r'<[^>]*>', '', html_string))
print(cleaned_string)
输出结果:
这是一个带有HTML标签的字符串。链接
在这个例子中,html.unescape()
函数用于将HTML字符实体转换为可读的字符,re.sub()
函数用于删除HTML标签。注意,re.sub()
函数中的<[^>]*>
模式匹配所有不包含<
和>
的字符,这意味着它匹配所有单个字符。
领取专属 10元无门槛券
手把手带您无忧上云