Tool.py

#-*- coding:utf-8 -*-
import re

class Tool:
    #去除img标签,7位长空格
    removeImg = re.compile('<img.*?>| {7}|')
    #删除超链接标签
    removeAddr = re.compile('<a.*?>|</a>')
    #把换行的标签换为\n
    replaceLine = re.compile('<tr>|<div>|</div>|</p>|</dd>|</dt>')
    #将表格制表<td>替换为\t
    replaceTD= re.compile('<td>')
    #把段落开头换为\n加空两格
    replacePara = re.compile('<p.*?>')
    #将换行符或双换行符替换为\n
    replaceBR = re.compile('<br><br>|<br>')
	#将&lt;替换为<
    replaceLT = re.compile('&lt;')
	#将&gt;替换为>
    replaceGT = re.compile('&gt;')
    #将其余标签剔除
    removeExtraTag = re.compile('<.*?>')
	#删除展开全部
    removeZKQB = re.compile('展开全部')
    def replace(self,x):
        x = re.sub(self.removeZKQB,"",x)
        x = re.sub(self.removeImg,"",x)
        x = re.sub(self.removeAddr,"",x)
        x = re.sub(self.replaceLine,"\n",x)
        x = re.sub(self.replaceTD,"\t",x)
        x = re.sub(self.replacePara,"\n    ",x)
        x = re.sub(self.replaceBR,"\n",x)
        x = re.sub(self.removeExtraTag,"",x)
        #strip()将前后多余内容删除
        return x.strip()