似乎stackoverflow上的每个问题,其中提问者使用正则表达式从HTML中获取一些信息将不可避免地有一个"答案",表示不使用正则表达式来解析HTML.
为什么不？我知道那里有引用 - 不引用"真正的"HTML解析器,比如Beautiful Soup,我相信它们是强大而有用的,但是如果你只是做一些简单,快速或肮脏的事情,那么为什么当一些正则表达式语句运行得很好时,麻烦使用如此复杂的东西？
此外,是否有一些基本的东西,我不了解正则表达式,这使得它们一般是解析的错误选择？
我有一个带有一些HTML的QString ...是否有一种简单的方法可以从中删除HTML？我基本上只想要实际的文本内容.
<i>Test:</i><img src="blah.png" /><br> A test case
会成为:
Test: A test case
我很想知道Qt是否有字符串函数或实用程序.
我有一个QLabel包含丰富文本.
我想从中提取实际的(可见的)"文本" QLabel,而不是用于格式化的代码.
我基本上需要一个'.toPlainText'与其他方法类似的功能Qt Widgets.
我不能简单地调用.text()和字符串操纵这个线程中建议的html标记从QString获取带有HTML标记的纯文本,因为返回QString包含所有的<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0//EN" "http://www.w3.org/TR/REC-html40/strict.dtd">废话.
如何提取纯文本？
(我对任何方法都持开放态度,即使是间接的.例如;预先存在的将html转换为纯文本的函数)
谢谢!
规格:
python 2.7.2
PyQt4
Windows 7