问题描述
这通常不是一项艰巨的任务，但是今天我似乎无法删除一个简单的javascript标签。
我正在使用的示例（格式化） ：
<section class="realestate oca"></section>
<script type="text/javascript" data-type="ad">
window.addEventListener('DOMContentLoaded', function(){
window.postscribe && postscribe(document.querySelector(".realestate"),
'<script src="https://ocacache-front.schibsted.tech/public/dist/oca-loader/js/ocaloader.js?type=re&w=100%&h=300"><\/script>');
});
</script>
我正在使用的示例（原始）
<section class="realestate oca"></section>\n<script type="text/javascript" data-type="ad">\n\twindow.addEventListener(\'DOMContentLoaded\', function(){\n\t\twindow.postscribe && postscribe(document.querySelector(".realestate"),\n\t\t\'<script src="https://ocacache-front.schibsted.tech/public/dist/oca-loader/js/ocaloader.js?type=re&w=100%&h=300"><\\/script>\');\n\t});\n</script>
我想从<script （第二行的开头）到</script> （最后一行）中删除所有内容。
这将仅输出第一行<section..> 。
这是我的代码行：
re.sub(r'<script[^</script>]+</script>', '', text)
#or
re.sub(r'<script.+?</script>', '', text)
我显然缺少了一些东西，但看不到。
注意：我正在使用的文档主要包含纯文本，因此不需要使用lxml或类似文件进行解析。
1楼
您的第一个正则表达式不起作用，因为字符类（ [...] ）是字符的集合 ，而不是字符串。
因此，仅当找到由不包含< ， / ， s ， c等的任何字符的字符串分隔的<script与</script> ，它才会匹配。
您的第二个regex更好，并且它不起作用的唯一原因是因为默认情况下是.
通配符与换行符不匹配。
要告诉它您想要它，您需要添加标志：
re.sub(r'<script.+?</script>', '', text, flags=re.DOTALL)