正则表达式python中不需要的字符

Question

所以，我有一个有XML字符串的网站，我希望我的程序返回两个字符串之间出现的字符串列表。这是我的代码：

 response = requests.get(url)


 artists=re.findall(re.escape('<name>')+'(.*?)'+re.escape('</name>'),str(response.content))
 print(artists)

返回字符串列表。问题是，某些字符串中包含不需要的字符。例如，列表中的一个字符串是＆＃34; Somethin \\＆＃39; ＆＃39; Bout A Truck＆＃34;而且我希望它能够成为一个＆＃39; Somethin＆＃39; ＆＃39;回合卡车＆＃39;。

提前致谢。

Answer 1

我认为美丽的汤（bs4）将解决这个问题，它也将支持更高版本的python 3.4

Answer 2

那些转义（单个反斜杠，每个都显示为\\）可能是＆＃34;不需要的＆＃34;从你的观点来看，他们毫无疑问地＃34;现在＆＃34;在你收到的回复中。因此，如果字符存在但不需要，您可以删除它们，例如使用代替str(response.content)

str(response.content).replace('\\'. '')

如果你真正想做的就是删除所有这些逃脱（如果你想做一些不同于你更好地解释它的东西： - ）。

BeautifulSoup4根据已接受的答案推荐，虽然确实是一个不错的软件包，不大肆删除输入中的字符 - 它无法读懂你的想法，所以它无法知道＆＃34;不需要的＆＃34;给你。 E.g：

>>> import bs4
>>> s = '<name>Somethin\\\' \\\'Bout A Truck</name>'
>>> soup = bs4.BeautifulSoup(s)
>>> print(soup)
<name>Somethin\' \'Bout A Truck</name>
>>> 

如您所见，单引号之前的转义（反斜杠）仍然存在。