关于清除html中vml标签问题
本帖最后由 Niong 于 2020-12-22 10:02 编辑遇到一个问题，在处理html数据中，有许多vml的标签需要清除，只留下html的标准标签，想请大佬帮个忙。
需要处理的字符如下：
<TABLE bgColor=#ffffff border=bordercolor=#000000>
<TBODY>
<TR>
<TD></TD>
</TR>
</TBODY>
</TABLE>
<v:stroke joinstyle="miter"></v:stroke>
<v:formulas>
<v:f eqn="if lineDrawn pixelLineWidth 0"></v:f>
<v:f eqn="sum @0 1 0"></v:f>
<v:f eqn="sum 0 0 @1"></v:f>
<v:f eqn="prod @2 1 2"></v:f>
<v:f eqn="prod @3 21600 pixelWidth"></v:f>
<v:f eqn="prod @3 21600 pixelHeight"></v:f>
<v:f eqn="sum @0 0 1"></v:f>
<v:f eqn="prod @6 1 2"></v:f>
<v:f eqn="prod @7 21600 pixelWidth"></v:f>
<v:f eqn="sum @8 21600 0"></v:f>
<v:f eqn="prod @7 21600 pixelHeight"></v:f>
<v:f eqn="sum @10 21600 0"></v:f>
</v:formulas>
<v:path o:connecttype="rect" gradientshapeok="t" o:extrusionok="f"></v:path>
<o:lock aspectratio="t" v:ext="edit"></o:lock>
</v:shapetype>
<o:p></o:p></SPAN></DIV>
<P class=MsoNormal style="MARGIN: 0cm 0cm 0pt"><SPAN lang=EN-US style="FONT-SIZE: 16pt; FONT-FAMILY: 仿宋_GB2312">
<o:p></o:p>
</SPAN></P>
<P class=MsoNormal style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 32pt; mso-char-indent-count: 2.0" align=right><SPAN lang=EN-US style="FONT-SIZE: 16pt; FONT-FAMILY: 仿宋_GB2312"><SPAN style="mso-spacerun: yes"> </SPAN><SPAN style="mso-spacerun: yes"> </SPAN><SPAN style="mso-spacerun: yes"> </SPAN></SPAN><SPAN style="FONT-SIZE: 16pt; FONT-FAMILY: 仿宋_GB2312">文：王向辉 图：岳云峰<SPAN lang=EN-US>
<o:p></o:p>
</SPAN></SPAN></P>
<P class=MsoNormal style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 328pt; mso-char-indent-count: 20.5" align=right><SPAN lang=EN-US style="FONT-SIZE: 16pt; FONT-FAMILY: 仿宋_GB2312">2008</SPAN><SPAN style="FONT-SIZE: 16pt; FONT-FAMILY: 仿宋_GB2312">、<SPAN lang=EN-US>9</SPAN>、<SPAN lang=EN-US>18</SPAN></SPAN><SPAN lang=EN-US style="FONT-SIZE: 14pt">
<o:p></o:p>
</SPAN></P>
<P> </P>
清理掉像<v:stroke>，<v:formulas>，<v:f>这样的标签
正则吧 用正则就可以了啊
不用正则也可以，
1、搜索 ---<v:
2、搜索到以后就定位了起始标志，再定位到这里搜索下一个空格或者>
3、搜到以后，这一段字符串的<后面插入/，就作为结束标志
4、起始标志和结束标志之间的字符串删除就行了
5、递归
还有一种办法，用模块BeautifulSoup的findall函数
把标签筛选出来以后直接删除就行了
页:
[1]