使用python处理HTML标记

Question

在HTML文件中，出现了以下情况：

<span class="finereader"></span>

或

<span class="finereader">a</span>

我想把这些标签都去掉。第二个例子显示，标签下可能有一个字母(或数字，但只有1)。这个字母不应该被删除，只有<span class="finereader">和下面的</span>。有没有re.sub式能做到这一点？谢谢你的帮助。

Answer 1

使用BeautifulSoup的另一种解决方案

from bs4 import BeautifulSoup

soup = BeautifulSoup(open('htmlfile'))

for elem in soup.find_all('span', class_='finereader'):
    elem.replace_with(elem.string or '') 

print(soup.prettify())