使用Python从页面中删除HTML标记内容

我有一个HTML文件，如下所示：

微生物学
初级稀释
一些内容包括“prima Dilizione”

二次稀释
一些内容包括“第二稀释液”

特尔扎稀释液
一些内容包括“terza diluizione”

问题描述：

我正试图修改包含单词

diluizione

的标题

，以将该单词及其前缀替换为“diluizione serial”。我尝试使用Python

replace（）

，问题是即使是

段落中的行也会被截断，而我只希望修改h1标记中的行。除此之外，我还没有找到一种自动去掉前缀的方法，即“Prima”、“Seconda”、“Terza”等

我尝试使用的代码

我现在想到了这个：

打开（'./home.html'）作为文件的

：
text=file.read（）
如果文本中有“diluizione”：
text=text.replace（“稀释液”、“稀释液系列”）

但这会产生：

Prima diluizione系列
一些内容包括“prima Dilizione系列”

第二稀释液系列
一些内容包括“seconda Dilizione系列”

特尔扎稀释液系列
一些内容包括“terza Dilizione系列”

如您所见，即使是

标记中的文本也会受到影响，前缀的标题仍然存在

我的期望输出将是：

稀释液系列
一些内容包括“prima Dilizione”

稀释液系列
一些内容包括“第二稀释液”

稀释液系列
一些内容包括“terza diluizione”

---

非常感谢您提供的任何帮助或建议，提前表示感谢。

请查看。与其尝试进行sting插值，不如将HTML解析为一个结构，然后从那里遍历它，看一看。与其尝试进行sting插值，不如将HTML解析成一个结构，然后从那里遍历它

您可以通过Pythons

re

模块使用正则表达式来实现这一点。为了只过滤

h1

标记中的文本，您可以使用

正向后向

和

正向前向

策略

代码：

重新导入
打开（“path/to/home.html”）作为文件：
text=file.read（）
text=re.sub（（？您可以通过Pythons
re
模块使用正则表达式来实现这一点。为了只过滤
h1
标记中的文本，您可以使用
正向后向
和
正向前向
策略

代码：

重新导入
打开（“path/to/home.html”）作为文件：
text=file.read（）
text=re.sub（“（？谢谢你的回答！我选择了正则表达式策略，但肯定会看看html解析器。谢谢你的时间。谢谢你的回答！我选择了正则表达式策略，但肯定会看看html解析器。谢谢你的时间。
<!-- SOME CONTENT... -->
<h1>Diluizione seriale</h1>
<p>Some content including "prima diluizione"...</p>
<h1>Diluizione seriale</h1>
<p>Some content including "seconda diluizione"...</p>
<h1>Diluizione seriale</h1>
<p>Some content including "terza diluizione"...</p>