# Python正则提取HTML标签属性
HTML 是一种用于创建网页的标记语言，它由一系列标签组成，每个标签都有一些属性。在开发网页爬虫和数据抓取程序时，我们经常需要从 HTML 中提取标签的属性信息。Python 中的正则表达式是一种强大的工具，可以帮助我们在 HTML 中提取所需的标签属性信息。
## 正则表达式基础
正则表达式是一种用于匹配字符串模式的工具。它由一系列字符和特殊字符
# 如何用java正则表达式提取HTML
## 流程图
```mermaid
flowchart TD
A(开始)
B(加载HTML文件)
C(编写正则表达式)
D(匹配HTML)
E(提取结果)
F(结束)
A --> B
B --> C
C --> D
D --> E
E --> F
```
##
import re
def clean(line):
pattern = re.compile(u'[^\u4e00-\u9fa5]') #中文的范围为\u4e00-\u9fa5
line = re.sub(pattern,'',line) #将其中所有非中文字符替换
return line
with open('《边城》.txt' , 'r' , encoding='
