我正在尝试抓取'</html>'
标记后的所有内容并将其删除,但我的代码似乎什么都没做。.replace()
不支持regex吗?
z.write(article.replace('</html>.+', '</html>'))
否。Python中的正则表达式由re
模块处理。
article = re.sub(r'(?is)</html>.+', '</html>', article)
一般情况下:
str_output = re.sub(regex_search_term, regex_replacement, str_input)
为了使用正则表达式替换文本,请使用re.sub函数:
sub(pattern,repl,string[,count,flags])
它将用传递为string
的文本替换pattern
的非翻转实例。例如,如果需要分析匹配以提取有关特定组捕获的信息,可以将函数传递给string
参数。点击此处了解更多信息。
示例
>>> import re
>>> re.sub(r'a', 'b', 'banana')
'bbnbnb'
>>> re.sub(r'/d+', '/{id}', '/andre/23/abobora/43435')
'/andre/{id}/abobora/{id}'
您可以将re
模块用于正则表达式,但正则表达式可能会超出您的要求。我可能会尝试类似的东西
z.write(article[:article.index("</html>") + 7]
这要干净得多,而且应该比基于正则表达式的解决方案快得多。
对于这种特殊情况,如果使用re
模块是过度使用,那么使用split
(或rsplit
)方法作为如何
se='</html>'
z.write(article.split(se)[0]+se)
例如,
#!/usr/bin/python
article='''<html>Larala
Ponta Monta
</html>Kurimon
Waff Moff
'''
z=open('out.txt','w')
se='</html>'
z.write(article.split(se)[0]+se)
输出out.txt
作为
<html>Larala
Ponta Monta
</html>