Como faço para apagar parte de um texto em Python ?
Tenho a seguinte string
"""
texto textinho
outro texto
<div dir 'ltr'><div><div> bla bla ....
"""
quero apagar toda parte HTML.
Estou usando Python2.7
Você pode usar uma expressão regular para apagar tudo o que estiver entre os os marcadores "<" e ">", de uma vez.
>>> string = """
... texto textinho
... outro texto
...
... <div dir 'ltr'><div><div> bla bla ....
...
... """
>>>
>>> import re
>>> print re.sub(r"<.+?>", "", string)
texto textinho
outro texto
bla bla ....
Repare em particular na subsituição por ""
- string vazia -e no uso do ?
na expressão regular, que faz com que ela pare de achar no primeiro sinal de fechar tag (>
) - senão a expressão pegaria todo o texto desde a abertura da primeira tag, até fechar a última.
Eu resolvi com a seguinte REGEX
import re
m = re.findall("[<][\w|\W]*[>]*", str(corpo), re.IGNORECASE)
for i in m:
corpo = corpo.replace(i, "")
Que apaga TUDO que tiver:
<QUALQUER_COISA> ISSO TAMBÉM <OPA ISSO TAMBÉM>
Obrigado pela ajuda.
eu consegui assim
import re
string = """
texto textinho
outro texto
<div dir 'ltr'><div><div> bla bla ....
"""
r = re.search("[<].*[>]",string)
# retorna "<div dir 'ltr'><div><div>"
r.group(0)
result = string.replace(r.group(0),"")
#result vai conter ' \n texto textinho \n outro texto\n\n bla bla ....\n\n '
.*
- (veja minha resposta) - a expressão retorna o espaçõ comprometido entre todas as tags da string da pirmeira até a última. Se você arrumar isso, do jeito que vcê está fazendo, apagaria apenas a primeira tag - todas as outras ficariam lá. Se você iteragir sobre todos os grupos retorandos, usando string.replace para cada grupo, funcionaria, mas seria muito mais lento - uma vez que o puthont eria que fazer uma nvoa busca e substituição, e criar uma nova versão da string, para cada tag no HTML.