2

Estou usando um editor de texto e assim como outros que já usei, ele sempre gera algumas tags inuteis que gostaria de remover. Eu consigo remover a última, porem as vezes ele gera mais de uma vez.

Meu código:

def remove_useless_tags(message):
    message = message.replace("<p><br/></p>", "") \
                .replace("<p></p>", "") \
                .replace("<p><b><br/></b></p>", "")
    # .replace("<p><br></p>", "")
    if message[-11:] == "<p><br></p>":
        message = message[:-11]
    return message

Quando aparece uma string dessa forma: <p>Olá</p><p><br></p> ele consegue remover o <p><br></p> do final. Porém as vezes vem textos nesse formato:

<p>Olá</p><p><br></p><p><br></p>
<p>Olá</p><p><br></p><p><br></p><p><br></p>

Gostaria de remover todos os <p><br></p> do final da string. Lembrando que existe alguns <p><br></p> que estão no meio da frase que não podem ser removidos. Eles são "enters" que o usuário mesmo coloca quando vai escrever. O problema são os "enters" finais, que são desnecessários porém comprometem o layout.

Acredito que dê para resolver com regex, porém preciso de uma ajuda com isso. Obrigado!

1 Resposta 1

5

Se você precisa pegar exatamente uma sequencia no final do texto você pode usar o token $, sua regex só precisa de um limitador e um quantificador na sequencia que você quer capturar, pra você não precisar ficar repetindo o comando de substituição.

Então recomendo que você use essa Regex (<p><br><\/p>)*?$ com a função re.sub(pattern, substitution, string), já que o replace não funciona com regex..

Aplicação no seu código:

import re
[...]
def remove_useless_tags(message):
    result = re.sub('(<p><br><\/p>)*?$', "", message)

    return result

Explicação da Regex

(<p><br><\/p>)*?$
  • (<p><br><\/p>) > Sequencia que você quer capturar.

  • *? > Quantificador lazy, vai capturar 0 ou + sequencias.

  • $ > Sinaliza que só pode capturar no fim da string.

Aqui também tem um teste da Regex

2
  • Se eu quisesse também remover esses conteúdos do inicio da string eu colocaria no começo o $? Dessa forma: $(<p><br><\/p>)*? ?
    – GIA
    Commented 12/11/2018 às 18:03
  • 1
    @GuilhermeIA A lógica é essa mesmo, só que o caractere que sinaliza o início de string em regex é ^, então ficaria ^(<p><br><\/p>)*?. Se quiser usar a regex da resposta e essa no mesmo padrão para tirar a repetição tanto do começo como do final ficaria assim: ^(<p><br><\/p>)*|(<p><br><\/p>)*?$
    – Paz
    Commented 13/11/2018 às 11:51

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .