python从输入字符串中清除html标记

如何用Python从输入的字符串中清除HTML标记？

您可以使用正则表达式将字符串中的HTML标记替换为空字符串，例如：

import re

html_string = "<p>This is a <b>sample</b> HTML string.</p>"
clean_string = re.sub('<.*?>', '', html_string)

print(clean_string)

输出：

This is a sample HTML string.

这里，正则表达式'<.*?>'表示匹配诸如'<p>'，'<b>'和'</p>'，'</b>'之类的HTML标记，并将它们替换为空字符串。

相关问题

postgresql 去除字符串的富文本标签

在 PostgreSQL 中，可以使用正则表达式和内置函数 `regexp_replace` 来去除字符串中的 HTML 标签。

假设我们有一个包含 HTML 标签的字符串：

<p>Hello, <strong>world</strong>!</p>

我们想要去除所有的标签，只留下纯文本：

SELECT regexp_replace('<p>Hello, <strong>world</strong>!</p>', '<[^>]*>', '', 'g');

这会返回：

Hello, world!

具体来说，`<[^>]*>` 是一个正则表达式，用于匹配任何 HTML 标签。`regexp_replace` 函数将匹配到的标签替换为空字符串 `''`，最后一个参数 `'g'` 表示全局匹配（替换所有匹配到的标签，而不是只替换第一个）。

如果你需要在 PostgreSQL 中频繁地处理 HTML 或 XML 数据，建议使用专门的文本处理库，如 PL/Python 或 PL/Perl。这些库提供了更多的文本处理工具和灵活性，使得处理复杂的文本数据更加容易。

python去除html标签,保留汉字和换行

可以使用Python的正则表达式模块re来去除HTML标签，保留汉字和换行。具体步骤如下：

1. 首先，导入re模块：`import re`

2. 定义一个函数，例如`remove_tags(text)`，接收一个包含HTML标签的文本字符串作为参数；

3. 使用re.sub()函数，结合正则表达式，将HTML标签替换为空字符串。正则表达式`"<.*?>"`可以匹配到HTML标签；
替换语句为`re.sub(r"<.*?>", "", text)`，表示将所有匹配到的HTML标签替换为空字符串；
注意，这样会将所有的标签都去除，包括行内标签和块级标签；

4. 进一步，可以加入保留汉字和换行的要求，使用正则表达式`"[^\u4e00-\u9fa5\n\s]+"`，其中`[\u4e00-\u9fa5]`匹配汉字，
`\n`匹配换行符，`\s`匹配空格，加号表示匹配多次。使用该正则表达式可以将所有非汉字、换行和空格的字符替换为空字符串；
替换语句为`re.sub(r"[^\u4e00-\u9fa5\n\s]+", "", text)`；

5. 最后，返回处理后的文本：`return text`

使用以上方法，可以去除HTML标签，保留汉字和换行。注意正则表达式只能处理文本形式的HTML标签，无法处理内嵌在脚本或者样式中的标签。使用时需要注意HTML标签的使用形式和情况。