如何在Python中使用正则表达式删除HTML注释

我想从HTML文本中删除HTML注释

<h1>heading</h1> <!-- comment-with-hyphen --> some text <-- con --> more text <hello></hello> more text

标题一些文本更多文本更多文本

应导致：

<h1>heading</h1> some text <-- con --> more text <hello></hello> more text

标题一些文本更多文本更多文本

终于想到了这个选项：

re.sub（“（）”，“，”，t）

---

添加

？

使搜索不贪婪，并且不会合并多个注释标记。

您可以尝试使用此正则表达式

您不应该忽略回车符

re.sub("(<!--.*?-->)", "", s, flags=re.DOTALL)

re.sub（“（）”，“”，s，flags=re.DOTALL）
不要使用正则表达式。改用XML解析器，标准库中的解析器就足够了

from xml.etree import ElementTree as ET
html = ET.parse("comments.html")
ET.dump(html) # Dumps to stdout
ET.write("no-comments.html", method="html") # Write to a file

html=re.sub（r“”，html）

re.sub基本上找到匹配的实例并替换为第二个参数。对于这种情况，
匹配以
开头的任何内容。点和？表示任何内容，\s和\n添加多行注释的情况。
re.sub（（？s）”，“”，s）

或

re.sub（“，”，s，flags=re.DOTALL）
在有限的已知HTML集上使用正则表达式可能是合适的。然而，你应该知道，有无数的情况下，它将打破，它通常不建议。相关：为什么在这个问题上的否决票？如果你正在研究一个“已知的HTML集”，这是一个合法的问题。考虑使用一个特定的类库，比如漂亮的汤，像其他的问题解决方法一样：为什么我们不应该去除马车的回报？另一个答案缺少flags=re.multilitially应该是
re.DOTALL
，而不是
re.MULTILINE
。在
上匹配
\n
的是
re.DOTALL
，您的正则表达式匹配得太多了--请注意，问题中有一个示例“”，它不是HTML注释。@GregLindahl此正则表达式不匹配“”，并返回了预期的结果。这不会匹配内部带有HTML标记的注释，就像这是一个好建议一样，XML解析器的性能比这种正则表达式慢得多。欢迎使用！如果OP能自己理解你的代码，他可能不会问。请解释它的作用，以便为那些需要查找正则表达式的人提供价值。
html = re.sub(r"<!--(.|\s|\n)*?-->", "", html)

re.sub("<!--.+?-->", "", s, flags=re.DOTALL)