使用Python重新摆脱链接

Question

说我有一个字符串看起来像<a href="/wiki/Greater_Boston" title="Greater Boston">Boston–Cambridge–Quincy, MA–NH MSA</a>

如何使用re摆脱链接并只获得Boston–Cambridge–Quincy, MA–NH MSA一部分？

我试过类似match = re.search(r'<.+>(\w+)<.+>', name_tmp)但不工作。

Answer 1

re.sub('<a[^>]+>(.*?)</a>', '\\1', text) 

请注意，解析HTML通常是rather dangerous。但是，您似乎在解析MediaWiki生成的链接，并认为链接总是相似的格式，因此您应该对该正则表达式应该没问题。

Answer 2

您还可以使用bleach模块https://pypi.python.org/pypi/bleach，它包装HTML消毒工具，让你快速去除HTML

的文本