:)次のPythonコードで空白も削除される理由はわかりませんが、削除されます。誰かがそうせずにこれをどうやってやってのけることができるか説明してもらえますか?ありがとうございました !:)
text = html
rules = [
{ r'>\s+' : u'>'},
{ r'\s+' : u' '},
{ r'\s*<br\s*/?>\s*' : u'\n'},
{ r'</(div)\s*>\s*' : u'\n'},
{ r'</(p|h\d)\s*>\s*' : u'\n\n'},
{ r'<head>.*<\s*(/head|body)[^>]*>' : u'' },
{ r'<a\s+href="([^"]+)"[^>]*>.*</a>' : r'\1' },
{ r'[ \t]*<[^<]*?/?>' : u'' },
{ r'^\s+' : u'' }
]
for rule in rules:
for (k,v) in rule.items():
regex = re.compile (k)
text = regex.sub (v, text)
print text