使用python过滤html标签

采集后的数据都带有'<>'html标签：

科研最早和一项教学为一体的现代化综合师从性省级医院

在这里只要将所有带<>去除即可：

dr = re.compile(r'<[^>]+>',re.S)

dd = dr.sub('',Html)

完整的python脚本：

第一个函数：将一个字段中的刮号去除

第二个函数：将html中的所有标签去除

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import MySQLdb

import sys

import re

conn = MySQLdb.connect(host='127.0.0.1',user='user',passwd='123456',db='hospital',charset='utf8')

cur = conn.cursor()

def update_level():

    cur.execute("SELECT id,level FROM hospital where level like '(%)'")

    for row in cur.fetchall():

        sid=row[0]

        ii=re.sub('\(|\)','',row[1])

        sql = "update hospital set level=%s where id=%s"

        print sid,ii

        param = [ii,sid]

        cur.execute(sql,param)

def update_detail():

    dr = re.compile(r'<[^>]+>',re.S)

    cur.execute("SELECT id,details FROM hospital")

    for row in cur.fetchall():

        did = row[0]

        detail=row[1]

        dd = dr.sub('',detail)

        sql="update hospital set details=%s where id=%s"

        param = (dd,did)

        cur.execute(sql,param)

        print "Finished",did

def main():

    #update_level()

    update_detail()

if __name__ == '__main__':

    main()