Регулярное выражение для удаления таблицы стилей

@Alexis · Регистрация: 31.10.2016

Студворк — интернет-сервис помощи студентам

Не получается удалить таблицу стилей, расположенную вверху html документа. Вот регулярное выражение, но оно не работает

Python
1
RE_STYLE = re.compile(r"<style([.]*)</style>", re.DOTALL)

как сделать правильно?

@igorrr37 · 13.10.2023, 09:08

я бы такое взял

Code
1
<style.*?</style>

YuS_2 · 13.10.2023, 09:35

Сообщение от Alexis333

[.]

В квадратных скобках (класс символов), многие метасимволы распознаются как обычные литералы. По сути, в классе символов существует отдельный синтаксис, который отличается от обычного синтаксиса регулярных выражений. Точка - один из таких метасимволов, распознаваемых как обычный литерал, внутри класса - это именно точка.

@Alexis · 13.10.2023, 10:37 **[ТС]**

YuS_2, а зачем у igorrr37, знак вопроса? Точка любой символ, звёздочка - от 0 до бесконечности, знак вопрос не пойму зачем ...

Добавлено через 35 минут
Я пробовал очень много всяких вариантов и примеров из инет. К сожалению,с регулярными выражениями ничего не выходит. Всё равно остаётся много "шелухи". Единственное, что приходит в голову, это возможное появление вложенных тегов, типа <style ... <style ..... </style> .... Пока рабочее решение такое

Python
1
2
3
j=htm.rfind("</style>")
k=htm.find('<style', 0, j-7)
htm=htm[:k-1]+htm[j+8:]

удаляет всё что нужно.

YuS_2 · 13.10.2023, 10:39

Сообщение от Alexis333

а зачем у igorrr37, знак вопроса?

этот метасимвол, в таком варианте применения, переопределяет предыдущий метасимвол как "нежадный/ленивый", иначе было бы так:
ссылка 1,
в отличии от:
ссылка 2

@Alexis · 13.10.2023, 10:47 **[ТС]**

Ссылки не работают. А тогда <style.+</style> то не тоже самое? Тоже вроде нежадный

@igorrr37 · 13.10.2023, 11:59

Сообщение от Alexis333

появление вложенных тегов, типа <style ... <style ..... </style>

если вложенные то знак вопроса убери

YuS_2 · 13.10.2023, 12:03

Сообщение от Alexis333

Ссылки не работают

Они работают. Сервер, возможно, был перегружен... попробуйте позже.

Сообщение от Alexis333

Тоже вроде нежадный

Вам надо почитать про регулярные выражения... квантификаторы "*" и "+", по умолчанию жадные, ленивыми их делает как раз, последующий "?".

@iSmokeJC · 13.10.2023, 13:35

Сообщение от igorrr37

если вложенные то знак вопроса убери

Тогда регулярка захватит все поголовно от первого <style> до последнего </style>. Т.е. может вообще страниу целиком зохавать

Добавлено через 1 минуту
Alexis333, помимо DOTALL, подними флаг MULTILINE

Добавлено через 1 минуту

Python
1
r'(?ms)<style.+?/style>'

@Alexis · 13.10.2023, 15:40 **[ТС]**

С этими выражениями не так то просто. Вот например выражение ищет "=45=2A ..." и декодирует:

Python
1
txt = re.sub(r"(=[0-9A-F][0-9A-F])+", repl, r)

вот функция repl

Python
1
2
3
4
5
6
def repl(m):
    y=m[0].replace("=", "")
    byte = bytes.fromhex(y[:2])
    for c in range(2,len(y),2):
        byte+=bytes.fromhex(y[c:c+2])
    return byte.decode('utf-8')

работает через раз, начало строки может не захватывать, остаётся обгрызок

А вот та функция работает корректно

Python
1
2
3
4
5
6
7
8
9
10
11
  
                k=r.find('=')
                while k !=-1:
                    txt += r[:k]       
                    byte = bytes.fromhex(r[k+1:k+3])
                    while k+3<len(r) and r[k+3]=='=':
                        k+=3; byte += bytes.fromhex(r[k+1:k+3])
                    txt += byte.decode(f[0])
                    r=r[k+3:]
                    k=r.find('=')
                txt+=r

вроде делает тоже самое. В чём здесь ошибка? я никак не могу понять

Добавлено через 20 минут
извиняюсь, всё работает одинаково, просто не заметил что текст добавляется к уже сформированному (txt+= вместо txt=)

Добавлено через 1 час 3 минуты
iSmokeJC, я поставил Ваш вариант, кажется работает, но хотелось бы выяснить некоторые вопросы:
1 что делает (?ms)
2 зачем ставить re.MULTILINE ведь re.DOTALL и так захватывает любые символы? что поменяется если не ставить re.MULTILINE ???

@iSmokeJC · 13.10.2023, 15:47

Сообщение от Alexis333

что делает (?ms)

Вот оно и выставляет эти флаги. Прям в теле регулярки.

Сообщение от Alexis333

что поменяется

Ну попробуй без мультилайна, сравни

@Alexis · 13.10.2023, 16:02 **[ТС]**

Сообщение от iSmokeJC

Вот оно и выставляет эти флаги

намекаешь на то, что флаги re.MULTILINE и re.DOTALL при таком подходе можно не дописывать?

я конечно попробую без MULTILINE (надеюсь что это делается так r'(?s)<style.+?/style>'), но боюсь сразу не увидеть разницы,
а косяки всплывут в самый неудобный момент

@iSmokeJC · 13.10.2023, 16:07

Сообщение от Alexis333

намекаешь на то, что флаги re.MULTILINE и re.DOTALL при таком подходе можно не дописывать?

Не намекаю, а прямо говорю - это они и есть, дописывать ничего не надо.

Сообщение от Alexis333

но боюсь сразу не увидеть разницы

Ну и поставь оба флага, хуже не будет

@Alexis · 13.10.2023, 18:48 **[ТС]**

хорошо

Добавлено через 2 часа 33 минуты
iSmokeJC, я совсем запутался, вот у меня шаблон (взял из инета)

Python
1
RE_TAGS = re.compile(r"<([^>]+)>", re.UNICODE)

применяю его к тексту

Python
1
htm=RE_TAGS.sub('', htm)

всё работает, теги убираются.

Тут я решил, что компилировать ничего не нужно и можно просто применить его кк обычно, т.е. так

Python
1
htm = re.sub(r"<([^>]+)>", '', htm, re.UNICODE)

а он и не работает, причём совсем, будто той команды и не вовсе. Это так и должно быть, или я что то неправильно делаю?

@iSmokeJC · 13.10.2023, 19:05

Странно. Должно работать. Компилировать имеет смысл когда регулярка используется стопицот раз, например в цикле. А так разницы нет.
Хз вобщем

@Alexis · 13.10.2023, 19:14 **[ТС]**

Я разобрался, то из-за флага, перед ним нужно указать максимальное число замен, вот так

Python
1
htm = re.sub(r"<([^>]+)>", '', htm, count=0, flags=re.UNICODE)

count=0 значит неограниченно. Если без флага, то нормально, при компиляции count не нужен и тоже всё нормально, а так вылетает ошибка, т.к. re.UNICODE встаёт на место count. Сейчас всё работает нормально.

Новые блоги и статьи Все статьи Все блоги /
Отправка уведомления на почту при изменении наименования справочника Maks 24.03.2026 Программная отправка письма электронной почты на примере изменения наименования типового справочника "Склады" в конфигурации БП3. Перед реализацией необходимо выполнить настройку системной учетной. . .	модель ЗдравоСохранения 5. Меньше увольнений- больше дохода! anaschu 24.03.2026 Теперь система здравосохранения уменьшает количество увольнений. 9TO2GP2bpX4 a42b81fb172ffc12ca589c7898261ccb/ https:/ / rutube. ru/ video/ a42b81fb172ffc12ca589c7898261ccb/ Слева синяя линия -. . .	Midnight Chicago Blues kumehtar 24.03.2026 Такой Midnight Chicago Blues, знаешь?. . Когда вечерние улицы становятся ночными, а ты не можешь уснуть. Ты идёшь в любимый старый бар, и бармен наливает тебе виски. Ты смотришь на пролетающие. . .	Контроль уникальности заводского номера - вариант №2 Maks 24.03.2026 В отличие от предыдущего варианта добавлено прерывание циклов, также добавлены новые переменные для сохранения контекста ошибки перед прерыванием цикла: Процедура ПередЗаписью(Отказ, РежимЗаписи,. . .
SDL3 для Desktop (MinGW): Вывод текста со шрифтом TTF с помощью библиотеки SDL3_ttf на Си и C++ 8Observer8 24.03.2026 Содержание блога Финальные проекты на Си и на C++: finish-text-sdl3-c. zip finish-text-sdl3-cpp. zip	Жизнь в неопределённости kumehtar 23.03.2026 Жизнь — это постоянное существование в неопределённости. Например, даже если у тебя есть список дел, невозможно дойти до точки, где всё окончательно завершено и больше ничего не осталось. В принципе,. . .	Модель здравоСохранения: работники работают быстрее после её введения. anaschu 23.03.2026 geJalZw1fLo Корпорация до введения программа здравоохранения имела много невыполненных работниками заданий, после введения программы количество заданий выросло. Но на выплатах по больничным это. . .	Контроль уникальности заводского номера - вариант №1 Maks 23.03.2026 Алгоритм контроля уникальности заводского (или серийного) номера на примере нетипового документа выдачи шин для спецтехники с табличной частью, разработанного в конфигурации КА2. Данные берутся из. . .

@Alexis 524 / 512 / 129 Регистрация: 31.10.2016 Сообщений: 4,156
	13.10.2023, 10:47 [ТС]
	Ссылки не работают. А тогда <style.+</style> то не тоже самое? Тоже вроде нежадный 0

@iSmokeJC 19530 / 11067 / 2931 Регистрация: 21.10.2017 Сообщений: 23,294
	13.10.2023, 19:05
	Странно. Должно работать. Компилировать имеет смысл когда регулярка используется стопицот раз, например в цикле. А так разницы нет. Хз вобщем 1