怎样删除部分字符串？

[omg21]

<p class="p"><b><span style="font-family: 'Times New Roman'; font-size: 12pt;">一、岗位及人数</span></b><span style="font-family: 'Times New Roman'; font-size: 12pt;"><o:p></o:p></span></p><p class="p"><span style="font-family: 'Times New Roman'; font-size: 12pt;">办公室工作人员，<font face="Times New Roman">1</font><font face="微软雅黑">名；教师，</font><font face="Times New Roman">4</font><font face="微软雅黑">名。</font></span>

文本是类似这样的，我想删除 tag 里面的 class 、 style ，保留<p><span><div>并且删除掉<font>应该怎么做？
是用 BS4 还是用字符串操作？

[15954237961]

用 replace 试试

[lslqtz]

正则匹配试试。

[omg21]

@15954237961 用 replace 有局限性，这段代码是 class=p ，下段代码有可能就是 class=y 。

[omg21]

@lslqtz 用正则容易伤及无辜

[seki]

<font>在这里相当于 <span> 的子元素，所以把文本提出来 append 到 <span> 的文本里面？用 lxml 或者 bs4 ？

[lslqtz]

@omg21 不用代码有局限性。

[lslqtz]

正则 打错。

[lslqtz]

class="(.*?)"
已提取出来。
http://233.dog/f_22821044.png

[napsterwu]

js 里面我是这样的
string.replace(/\s?(class|style)="[^"]+?"/g, '')
这样可以选择性的删 不过缺点是没有办法清掉 class=""这样的。

[omg21]

@seki 我考虑了一下，提<font>的子元素再放到<span>里不好操作啊，搞不清顺序。

[omg21]

@lslqtz 嗯，就用这个了

[omg21]

@napsterwu 那就在最后单独加个删 class=""的就行了，谢了

[seki]

https://www.crummy.com/software/BeautifulSoup/bs4/doc/#get-text
https://www.crummy.com/software/BeautifulSoup/bs4/doc/#unwrap

来自于 sof ： http://stackoverflow.com/questions/16206380/python-beautifulsoup-how-to-remove-all-tags-from-an-element

[ChiChou]

你可以构建一个 DOM 树然后取 textContent 。。那么 @seki 的方案即可

[Septembers]

https://gist.github.com/anonymous/187c80cdbf4ceab44f201076f638d5fe

see https://github.com/punkave/sanitize-html

这个或许是你想要的

[Septembers]

抱歉没看节点请无视

[yxzblue]

```javascript
var s = '<p class="p"><b><span style="font-family: \'Times New Roman\'; font-size: 12pt;">一、岗位及人数</span></b><span style="font-family: \'Times New Roman\'; font-size: 12pt;"><o:p></o:p></span></p><p class="p"><span style="font-family: \'Times New Roman\'; font-size: 12pt;">办公室工作人员，<font face="Times New Roman">1</font><font face="微软雅黑">名；教师，</font><font face="Times New Roman">4</font><font face="微软雅黑">名。</font></span>';
s = s.replace(/(?:\s+(?:class|style)=".+?"|\<font.+?\<\/font\>)/g, '');
console.log(s);
```

[yxzblue]

<script src='http://git.oschina.net/imzhi/codes/4r92sv1o8i5ygjxanpfz7/widget_preview'></script>

[lslqtz]

人家的方案都挺优雅的。

[quxw]

一个一个字符遍历，
'<' '>'之间，不以 'p', '/p' 'span' '/span'开头 的删掉。空格什么再调整下修好了。
当然前提是你的 html 够规范