htmlparse解析不清除<style>
我的html解析器有问题。除了"< style > content < /style >“部分之外，我将装满html代码的电子邮件转换为干净的文本，这完全忽略了它，我不知道我做错了什么：
# Remove any HTML code from our raw content
htmlparse = re.sub(r'<.*?>', '', clean) \
.replace(" ", '') \
.replace("é", 'é') \
.replace("è", 'è') \
clean_email = htmlparse它实际上应该删除的是：
<style> .MailHeader { font: normal 10pt Tahoma, Verdana, Sans-Serif; vertical-align: top; padding-bottom: 0px; padding-top: 0px; spacing: 0px 0px 0px 0px; } .DataHeader { font-family: Tahoma; font-size: 8pt; color: #666666; text-decoration: none; padding-left: 15px; padding-right: 15px; border: solid 1px #E0E0E0; vertical-align: text-top; } .Data { font: normal 8pt Tahoma,Verdana; padding-left: 3px; padding-right: 15px; border: solid 1px #E0E0E0; background: #F9F9F9; font-size: 8pt; color: #666666; height: 20px !important; } .GridHeader { font: normal 8pt Tahoma,Verdana; padding-left: 6px; background: #DAEBFF; height: 20px; } .DataRow { padding-left: 3px; padding-right: 15px; border: solid 1px #E0E0E0; font-size: 8pt; color: #003399; } .GridRow { font: normal 8pt Tahoma, Verdana, Sans-serif; padding-left: 6px; background: transparent; height: 20px !important; min-height: 1%; } .GridAltRow { font: normal 8pt Tahoma, Verdana, Sans-serif; padding-left: 6px; background: #F9F9F9; height: 20px !important; min-height: 1%; } .li { font: normal 10pt Tahoma, Verdana, Sans-Serif; vertical-align: top; padding-left: 5px; } .TableHeader { font-family: Tahoma,calibri,verdana; font-size: 8pt; font-weight: bold; height: 22px; color: #003399; border: solid 1px #E0E0E0; border-collapse: collapse; padding-left: 5px; padding-right: 5px; background-color: #BBD8FF; } .TableSubHeader { font: normal 8pt Tahoma, Verdana, Sans-Serif; vertical-align: middle; padding-left: 3px; font-weight: bold; color: #666666; } .Separator { background-repeat: repeat-x; background-position: center; background: #666666; } .tableDetail { padding: 0 0 0 0; spacing: 0 0 0 0; border-collapse: collapse; width: 750px; margin-left: 5px; border: solid 1px #E0E0E0; } .style1 { font: normal 10pt Tahoma, Verdana, Sans-Serif; vertical-align: top; padding-bottom: 0px; padding-top: 0px; spacing: 0px 0px 0px 0px; height: 18px; } </style>
它实际上所做的是删除样式和/style，但将样式表的全部垃圾留在解析的文件中.
.MailHeader {字体:普通10pt Tahoma，Verdana，align；垂直对齐:顶部；填充-底部: 0px；填充-顶: 0px；间距:0px0px0px0px；} .DataHeader {字体-家族: Tahoma；字体大小: 8pt；颜色：#666666；文本-装饰:零；填充-左:15 3px；填充-右:15 3px；边框: solid 1px #E0E0E0；垂直对齐:文本-顶部；} .Data {字体:普通8pt Tahoma，Verdana；填充-左:3px；填充-右:15 3px；边框: solid 1px #E0E0E0；背景：#F9F9F9；字体大小: 8pt；颜色：#666666；高度:20 1px！重要；} .GridHeader {字体:普通8pt Tahoma，Verdana；填充-左: 6px；背景：#DAEBFF；高度:20 1px；} .DataRow {填充-左: 3px；填充-右:15 1px；边框: solid 1px #E0E0E0；字体大小: 8pt；颜色：#003399；} .GridRow {字体:普通8pt Tahoma，Verdana，Sans-serif；填充-左: 6px；背景:透明；高度:20 6px！重要；最小-高度: 1%；} .GridAltRow {字体:普通8pt Tahoma，Verdana，Sans-serif；填充-左: 6px；背景：#F9F9F9；高度:20 5px！重要；最小高度: 1%；} .li {字体:普通10 5px，Verdana，Sans-Serif；垂直-对齐:顶部；填充-左:5 5px；} .TableHeader {字体族: Tahoma，杯状，verdana；字体大小: 8pt；字体重量:粗体；高度:22 1px；颜色：#003399；边框:实心1 1px #E0E0E0；边框-折叠:折叠；填充-左:5 1px；填充-右:5 1px；背景颜色：#bbdbd8ff；} .TableSubHeader {字体:普通8pt Tahoma，Verdana，Sans-Serif；垂直对齐:中间；填充-左: 3px；字体重:粗体；颜色：#666666；} .Separator {背景-重复:重复-x；背景-位置:中心；背景：#666666；} .tableDetail {填充:0 0 0；间距:0 0 0；边框-折叠:折叠；宽度:750 0px；边距-左:5 0px；边框: solid 1 0px #E0E0E0；} .style1 {字体:普通10 0px，Verdana，Sans-Serif；垂直-对齐:顶；填充-底部:0 0px；填充-顶部:0 0px；间距:0 0px 0 0px 0 0px；高度:18 0px；}你好，这是一封测试邮件。
有谁可以帮我？
先谢谢各位，问候
回答 2
Stack Overflow用户
发布于 2015-04-08 08:43:40
首先删除样式本身，然后在第二步，做您想做的事情。
import re
some = """
<style>.MailHeader { font: normal 10pt Tahoma, Verdana, Sans-Serif;
vertical-align: top; padding-bottom: 0px; padding-top: 0px; spacing: 0px 0px 0px 0px; }
.DataHeader { font-family: Tahoma; font-size: 8pt; color: #666666; text-decoration: none;
padding-left: 15px; padding-right: 15px; border: solid 1px #E0E0E0; vertical-align: text-top; }
.Data { font: normal 8pt Tahoma,Verdana; padding-left: 3px; padding-right: 15px; border: solid 1px #E0E0E0;
\ background: #F9F9F9; font-size: 8pt; color: #666666; height: 20px !important; }
.GridHeader { font: normal 8pt Tahoma,Verdana; padding-left: 6px; background: #DAEBFF; height: 20px; }
.DataRow { padding-left: 3px; padding-right: 15px; border: solid 1px #E0E0E0; font-size: 8pt; color: #003399; }
.GridRow { font: normal 8pt Tahoma, Verdana, Sans-serif; padding-left: 6px; background: transparent;
height: 20px !important; min-height: 1%; } .GridAltRow { font: normal 8pt Tahoma, Verdana, Sans-serif;
padding-left: 6px; background: #F9F9F9; height: 20px !important; min-height: 1%; }
.li { font: normal 10pt Tahoma, Verdana, Sans-Serif; vertical-align: top; padding-left: 5px; }
.TableHeader { font-family: Tahoma,calibri,verdana; font-size: 8pt; font-weight: bold; height: 22px;
color: #003399; border: solid 1px #E0E0E0; border-collapse: collapse; padding-left: 5px;
padding-right: 5px; background-color: #BBD8FF; }
.TableSubHeader { font: normal 8pt Tahoma, Verdana, Sans-Serif;
vertical-align: middle; padding-left: 3px; font-weight: bold; color: #666666; }
.Separator { background-repeat: repeat-x; background-position: center; background: #666666; }
.tableDetail { padding: 0 0 0 0;
spacing: 0 0 0 0; border-collapse: collapse; width: 750px; margin-left: 5px; border: solid 1px #E0E0E0; }
.style1 { font: normal 10pt Tahoma, Verdana, Sans-Serif; vertical-align: top; padding-bottom:
0px; padding-top: 0px; spacing: 0px 0px 0px 0px; height: 18px; }
</style>
<h1>Hello, this is a test mail.</h1>
"""
some1 = re.sub(r'<style>.*</style>', '', some, flags=re.DOTALL)
print some1结果：
I have no name!@sla-334:~/stack_o$ python stack_o_html.py
<h1>Hello, this is a test mail.</h1>现在，用这个html做你想做的事。
Stack Overflow用户
发布于 2015-04-08 08:53:50
我用解析的文本来修正它，并使用它作为参数。
cleaner = re.sub(r'{.*}', '', clean_email)\
.replace(".MailHeader", '') \我来试试你的解决方案
https://stackoverflow.com/questions/29509216
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号