如何使用正则表达式从Python字符串中删除标签？ （不在 HTML 中）

Question

我需要从 python 中的字符串中删除标签。

<FNT name="Century Schoolbook" size="22">Title</FNT>

删除两端的整个标签，只留下“标题”的最有效方法是什么？我只见过使用 HTML 标签来做到这一点的方法，而这在 python 中对我来说不起作用。我特别将其用于 ArcMap（一个 GIS 程序）。它的布局元素有自己的标签，我只需要删除两个特定标题文本元素的标签。我相信正则表达式应该可以很好地解决这个问题，但我愿意接受任何其他建议。

Answer 1

这应该有效：

import re
re.sub('<[^>]*>', '', mystring)

对于每个说正则表达式不是该工作的正确工具的人：

问题的上下文是这样的，所有关于常规/上下文无关语言的反对意见都是无效的。他的语言本质上由三个实体组成：a = <、b = > 和 c = [^><]+ 。他想要删除所有出现的 acb。这相当直接地将他的问题描述为涉及上下文无关语法的问题，并且将其描述为常规问题也并不困难。

我知道每个人都喜欢“你不能用正则表达式解析HTML”的答案，但OP不想解析它，他只想执行一个简单的转换。

Answer 2

请避免使用正则表达式。尽管正则表达式可以处理简单的字符串，但如果您得到复杂的字符串，将来就会遇到问题。

您可以使用 BeautifulSoup get_text() 功能。

from bs4 import BeautifulSoup

text = '<FNT name="Century Schoolbook" size="22">Title</FNT>'
soup = BeautifulSoup(text)

print(soup.get_text())

Answer 3

搜索此正则表达式并将其替换为空字符串应该可以。

/<[A-Za-z\/][^>]*>/

示例（来自 python shell）：

>>> import re
>>> my_string = '<FNT name="Century Schoolbook" size="22">Title</FNT>'
>>> print re.sub('<[A-Za-z\/][^>]*>', '', my_string)
Title

Answer 4

如果它只是为了解析和检索值，你可以看看 BeautifulStoneSoup。

Answer 5

如果源文本是格式良好的 XML，则可以使用 stdlib 模块 ElementTree：

import xml.etree.ElementTree as ET
mystring = """<FNT name="Century Schoolbook" size="22">Title</FNT>"""
element = ET.XML(mystring)
print element.text  # 'Title'

如果源格式不正确，BeautifulSoup 是一个很好的建议。正如几位发帖者指出的那样，使用正则表达式来解析标签并不是一个好主意。

Answer 6

使用 XML 解析器，例如 ElementTree。正则表达式不是这项工作的正确工具。