在Python3中操作HTML代码

我试图使用Python3操作一个HTML文件并删除一个带有特定id标记的div

有没有比for循环和regex混合使用更优雅的方法来操作或删除这个容器

我知道，有HTMLPasser模块，但我不确定这是否对我有帮助（它会找到相应的标记，但如何删除这些标记和内容？）。

尝试和css/xpath查询

例如，使用此html：

一些文本在p

div中的一些文本。
一个div中p中的一些文本

您可以在中阅读，使用类“go away”删除div，并使用以下命令输出结果：

import lxml.html
html=lxml.html.fromstring（html\u txt）
go_away=html.cssselect（'.go away'）[0]#或使用合适的xpath
走开。getparent（）.remove（走开）
lxml.html.tostring（html）#或lxml.html.tostring（html）.decode（“utf-8”）获取字符串

尽管我对此强调得不够

不要用正则表达式解析HTML！！ 下面是我如何使用正则表达式

from re import sub
new_html = sub('<div class=(\'go-away\'|"go-away")>.*?</div>', '', html)

来自重新导入子系统的

new_html=sub（'.'？'，''，html）

---

尽管我认为这应该没问题，但您永远不应该使用正则表达式来解析任何东西。它通常会产生奇怪的、难以调试的问题。它将为您创建比您开始时更多的工作不要使用正则表达式进行解析。

是的，的确如此。不要这样做。谢谢分享你的经验！这正是我试图避免使用正则表达式的原因。这很糟糕，因为无论你做什么，使用regex都会让事情变得更快。有时候使用regex是不合适的，有时候使用regex是不合适的，对于大量可预测的数据来说，这绝对是明智的选择。：）谢谢，lxml正是我想要的！