我想删除HTML打开和关闭以及两个标记之间的内容与正则表达式。如何删除以下字符串中的<head>标记。
my_string = '''
<html>
<head>
<p>
this is a paragraph tag
</p>
</head>
<meta>
<p>
this is a different paragraph tag
</p>
</meta>
</html>
'''
所以它看起来像这样：
my_string = '''
<html>
<meta>
<p>
this is a different paragraph tag
</p>
</meta>
</html>
'''
您可以使用head函数在Python中使用Beautiful Soup从HTML文本中删除decompose()标记。试试这个Python代码，
from bs4 import BeautifulSoup
my_string = '''
<html>
<head>
<p>
this is a paragraph tag
</p>
</head>
<meta>
<p>
this is a different paragraph tag
</p>
</meta>
</html>
'''
soup = BeautifulSoup(my_string)
soup.find('head').decompose() # find head tag and decompose/destroy it from the html
print(soup) # prints html text without head tag
打印，
<html>
<meta/>
<p>
this is a different paragraph tag
</p>
</html>
此外，虽然不建议使用正则表达式，但如果要删除的标记不是嵌套的，则可以使用这些Python代码中的注释中提到的正则表达式将其删除。但总是避免使用正则表达式来解析嵌套结构并寻找合适的解析器。
import re
my_string = '''
<html>
<head>
<p>
this is a paragraph tag
</p>
</head>
<meta>
<p>
this is a different paragraph tag
</p>
</meta>
</html>
'''
print(re.sub(r'(?s)<head>.*?</head>', '', my_string))
打印以下内容并注意使用(?s)，这是启用点匹配换行符所需的，因为您的html分布在多行中，
<html>
<meta>
<p>
this is a different paragraph tag
</p>
</meta>
</html>