如何在Python中使用Regex删除HTML注释

Question

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

应导致：

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

Answer 1

您不应忽略回车。

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

Answer 2

html = re.sub(r"<!--(.|\s|\n)*?-->", "", 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，<!--(.|\s|\n)*?-->匹配以 开头<!--和结尾的任何内容-->。点和？表示任何内容，\s 和 \n 添加多行注释的情况。

Answer 3

最后想出了这个选项：

re.sub("(<!--.*?-->)", "", t)

添加?使得搜索非贪婪并且不会组合多个评论标签。