使用Python和正则表达式，如何从HTML中删除<sup>标签？

Question

使用Python正则表达式，我如何删除HTML中所有的标签？ 这些标签有时具有样式，例如以下内容：

<sup style="vertical-align:top;line-height:120%;font-size:7pt">(1)</sup>

我想要从一大段html字符串中删除包含在sup标签之间的所有内容。

- user2634569

---

你的最终结果会是什么？ - Avinash Raj

对于试图使用正则表达式操作HTML的OP来说，这是必读的内容：https://dev59.com/X3I-5IYBdhLWcg3wq6do#1732454 - jonrsharpe

我通过将HTML转换为字符串并使用以下内容解决了我的问题： re.sub(r'<sup+.*?sup>+','',HTML字符串) - user2634569

Answer 1

我会使用HTML解析器来代替（为什么）。例如，BeautifulSoup和unwrap()可以处理您的美丽的sup：

Tag.unwrap()是wrap()的相反操作。它将标签替换为标签内的内容。这对于去除标记非常有用。

from bs4 import BeautifulSoup

data = """
<div>
    <sup style="vertical-align:top;line-height:120%;font-size:7pt">(1)</sup>
</div>
"""

soup = BeautifulSoup(data)
for sup in soup.find_all('sup'):
    sup.unwrap()

print soup.prettify()

输出：

<div>
(1)
</div>

- alecxe

---

谢谢，这样更有效率。我很感激。 - user2634569

有没有一种方法可以删除标签和标签内的内容？当前的解决方案只是删除标签。 - fam