ijoanne

text = re.sub(r'</?div[^>]*>', '', text) # 去除掉HTML注释 text = re.sub(r'<!--.+?-->', '', text) # 删除p标签里面的属性 text = re.sub(r'<p[^>]+>', '<p>', text) # 删除img标签里面除src以外的属性 text =...

# -*- coding: UTF-8 -*-import resite_url = { 'baidu.com', '58.com', '163.com', 'sina.com.cn', 'aliyun.com', 'people.com',}sites_filter = re.compile(rf'({"|".join(site_url)})', re.I)# r': 一般用在正则表达式中，称为原始字符串，作用是将Python语法中的反斜杠转义.

// 前瞻：exp1(?=exp2) 查找exp2前面的exp1// 后顾：(?<=exp2)exp1 查找exp2后面的exp1// 负前瞻：exp1(?!exp2) 查找后面不是exp2的exp1// 负后顾：(?<!exp2)exp1 查找前面不是exp2的exp1