사용 파이썬 3.3 일부 정규 표현식을 대체하지 못했습니다.HTML td 태그에서 모든 속성을 제거하는 방법 (파이썬에서 rowspan)?
은 내가 rowspan
속성 (끝에서 예 TD 년대)를 제외하고는 td
태그의 모든 속성을 제거하고자합니다. rowspan
이 존재 때 성공적으로 대체 할 수있는 다음 명령을 사용하여
: handle_td
가
re.sub('(<td)[^>]*([\\s]rowspan[\\s]*=[\\s]*[0-9]*)[^>]*(>)', handle_td, file_contents)
:
def handle_td(matchobj):
new_td = ''
for curr_group in matchobj.groups(''):
if curr_group != '':
new_td += curr_group
return new_td
하지만이 td
년대의 나머지 돌봐도합니다. 이것은 내가 관리하지 못했습니다.
두 번째 그룹 뒤에 ?
을 추가하면 td 태그가 변경되고 rowspan
특성이 유지되지 않습니다.
내가 뭘 잘못하고 있니? 이 문제를 어떻게 해결할 수 있습니까? 이
내가 다른 td
년대를 처리하기 위해 다른 명령을 실행 채굴하지 않습니다하지만 난하지 못했다을 ... 생산한다
<td width=307 valign=top style='width:230.3pt;border:solid windowtext 1.0pt; border-left:none;padding:0cm 5.4pt 0cm 5.4pt'>
<td width=307 rowspan=4 style='width:230.3pt;border:solid windowtext 1.0pt; border-top:none;padding:0cm 5.4pt 0cm 5.4pt'>
<td width=307 valign=top style='width:230.3pt;border-top:none;border-left: none;border-bottom:solid windowtext 1.0pt;border-right:solid windowtext 1.0pt; padding:0cm 5.4pt 0cm 5.4pt'>
:
<td>
<td rowspan=4>
<td>
이 방법으로 관리했습니다 (더 나은 방법을 사용하면을 자유롭게 추가 할 수 있습니다. ). ROWSPAN 코드가 선택 될 때
# Leave only specific attributes for td tags
def filter_td_attributes(matchobj):
if matchobj.group(1) == "rowspan":
return matchobj.group(1) + '=' + matchobj.group(2)
# Loop the attributes of the td tags
def handle_td(matchobj):
new_td = re.sub("([a-zA-Z]+)[\\s]*=[\\s]*([a-zA-Z0-9:;.\\-'\\s]*)([\\s]|>)", filter_td_attributes, matchobj.group(0))
new_td = re.sub("[\\s]*$", '', new_td)
new_td = new_td + ">" # close the td tag
return new_td
file_contents = re.sub('[\\s]*</p>[\\s]*</td>', '</td>', file_contents)
망가 구문 분석 HTML/XML "여전히 전체 정규 표현식 매치를하면서 가능한 문자"
비 욕심 버전 ([^>]*?
)을 의미> "나에게 비의 수를 최소로 줄". 파서를 사용하면 훨씬 쉬울 것입니다. – kreativitea
필수 참조 : http://stackoverflow.com/a/1732454/1350899 – mata
대신 [Beautiful Soup] (http://www.crummy.com/software/BeautifulSoup/)을 사용하십시오. – will