使用python从html中删除带图案的文本

我尝试使用python编写脚本，删除html中的特定模式文本。但是，我的代码似乎不起作用。。你能帮我查一下哪里出了问题吗

import os, re

cwd = os.getcwd()
print ('Now you are at this directory: \n' + cwd)

# find files that have an extension with HTML
Files = os.listdir(cwd)
print Files

def func(file):
    for file in os.listdir(cwd):
        if file.endswith('.html'):
            for line in open(file):
                re.sub(r'<strong>.*?<\/strong>', '', line)
                # I feel the above line has some problems
func(file)

导入操作系统，重新
cwd=os.getcwd（）
print（'现在您在这个目录下：\n'+cwd）
#查找具有HTML扩展名的文件
Files=os.listdir（cwd）
打印文件
def func（文件）：
对于os.listdir（cwd）中的文件：
如果文件.endswith（'.html'）：
对于打开的行（文件）：
re.sub（r'*？'，''，第行）
#我觉得上面这行有一些问题
func（文件）

---

提前非常感谢

你不必逃避/陷入困境

\/

实际上只是一个普通的

/

。有关完整的参考资料，请参见的简介

您的正则表达式应该是：

r'*？'

但是，不建议使用正则表达式解析html。看看吧

line = '<p>some text, <strong>SOME STRONG TEXT </strong> and again <strong>STONG TEXT</strong></p>'
re.sub(r'<strong>.*?<\/strong>', '', line)
#'<p>some text,  and again </p>'

line='一些文本，一些强文本，然后再次强文本
'
re.sub（r'*？'，''，第行）
#“一些文本，然后再次
”

你不必逃避现实

\/

实际上只是一个普通的

/

。有关完整的参考资料，请参见的简介

您的正则表达式应该是：

r'*？'

但是，不建议使用正则表达式解析html。看看吧

line = '<p>some text, <strong>SOME STRONG TEXT </strong> and again <strong>STONG TEXT</strong></p>'
re.sub(r'<strong>.*?<\/strong>', '', line)
#'<p>some text,  and again </p>'

line='一些文本，一些强文本，然后再次强文本
'
re.sub（r'*？'，''，第行）
#“一些文本，然后再次
”

希望这有帮助

import os, re

cwd = os.getcwd()
print ('Now you are at this directory: \n' + cwd)

# find files that have an extension with HTML
Files = os.listdir(cwd)

def func(file):
    for file in os.listdir(cwd):
        if file.endswith('.html'):
                f = open(file, "r+")
                text  = re.sub(r'\<strong\>.*\<\/strong\>',"",f.read())
                f.close()
                f = open(file, "w")
                f.write(text)
                f.close()
func(file)

导入操作系统，重新
cwd=os.getcwd（）
print（'现在您在这个目录下：\n'+cwd）
#查找具有HTML扩展名的文件
Files=os.listdir（cwd）
def func（文件）：
对于os.listdir（cwd）中的文件：
如果文件.endswith（'.html'）：
f=打开（文件“r+”）
text=re.sub（r'\.\'，''，f.read（））
f、 关闭（）
f=打开（文件“w”）
f、 书写（文本）
f、 关闭（）
func（文件）

希望这有帮助

import os, re

cwd = os.getcwd()
print ('Now you are at this directory: \n' + cwd)

# find files that have an extension with HTML
Files = os.listdir(cwd)

def func(file):
    for file in os.listdir(cwd):
        if file.endswith('.html'):
                f = open(file, "r+")
                text  = re.sub(r'\<strong\>.*\<\/strong\>',"",f.read())
                f.close()
                f = open(file, "w")
                f.write(text)
                f.close()
func(file)

导入操作系统，重新
cwd=os.getcwd（）
print（'现在您在这个目录下：\n'+cwd）
#查找具有HTML扩展名的文件
Files=os.listdir（cwd）
def func（文件）：
对于os.listdir（cwd）中的文件：
如果文件.endswith（'.html'）：
f=打开（文件“r+”）
text=re.sub（r'\.\'，''，f.read（））
f、 关闭（）
f=打开（文件“w”）
f、 书写（文本）
f、 关闭（）
func（文件）

谢谢你，蒂埃里，我一定会去看看beautifulsoup！对于正则表达式，我尝试了两种模式，但它们都不起作用……如果您使用我的原始脚本并尝试打印出匹配的文本，它们实际上是正确的。我只是不确定代码中阻止我替换匹配字符串的部分是错误的…谢谢Thierry，我一定会查看beautifulsoup！对于正则表达式，我尝试了两种模式，但它们都不起作用……如果您使用我的原始脚本并尝试打印出匹配的文本，它们实际上是正确的。我只是不确定代码中阻止我替换匹配字符串的部分是错误的…谢谢，它成功了！！在我的情况下，我可能需要进一步尝试——看看漂亮的汤是否更有帮助。：）谢谢你，成功了！！在我的情况下，我可能需要进一步尝试——看看漂亮的汤是否更有帮助。：）