regex - 以下代码中的 re.compile() 和 remove_tags() 是什么意思？

Question

在下面的数据预处理代码中，我知道 re.compile() 用于转换为正则表达式对象。但是 remove_tags() 会发生什么？这里要删除什么样的模式？我无法弄清楚存储在 TAG.RE 变量中的 re.compile() 中提到的正则表达式。

TAG_RE = re.compile(r'<[^>]+>')
def remove_tags(text):
return TAG_RE.sub('', text)

标签： regexpattern-matchingre

Answer 1

• [] -> 表示括号内的任何单个字符，
  例如；h[oa]t 找到 hot 和 hat，但没有命中

• ^ -> 表示任何不在括号中的字符，
  例如；h[^oa]t 找到 hit，但不是 hot 和 hat

• '+' -> 表示一个或多个字符。它是一个量词，用于指定要匹配的出现次数。例如; a+ 代表至少一个 a

来提问：-

• [^>] -> 表示除 '>' 之外的任何单个字符
• [^>]+ -> 代表任何单个字符，除了 '>' 一次或多次。
• <[^>]+> -> 匹配以 < 开头的模式，之后出现除 > 之外的各种字符，然后以 > 结尾

# remove html tags using RegEx
import re
pattern = re.compile(r'<[^>]+') # tags look like <....>
result = pattern.sub('',text)   # replace them with blank