如何从列表中的项目中删除每个"<span"？我应该在正则表达式中更改什么？

Question

代码：

text2=re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*(),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', text)

输出：

['https://m.facebook.com/people/Vick-Arcadia/100009629167118/', 'https://m.facebook.com<span', 'https://m.facebook.com<span',

Answer 1

一般来说，正则表达式的功能不足以处理树形结构的HTML，并且具有匹配的开头和结尾。

首选的技术是使用为HTML设计的解析器。在Python世界中，lxml和BeautifulSoup是流行的选择。

Answer 2

此正则表达式应该能更好地进行

'https?://[w.]+(/[/w-]+)?'

对于regex，我建议在https://regex101.com/

但在对html的操作中，最好使用BeautifulSoup库，如果你添加更多细节，我可以帮助你。