python利用正则表达式过滤超链接

现在搞采集的越来越多，要找什么资料都非常的方便，随便翻一下就有了。但是都略有差别，要完全符合自己的要求，还是要改一下。

比如，今天有个朋友要一个过滤超链接的功能，在网上找了找没有想要的，那就自己动手自己写一个吧。

主要过滤什么呢？他的目标是移除他采集过来的超链接，而不是提取源码中的网址。

像下面这种场景的

他只要去除超链接，文本保留。

那就可以像我下面这样写罗：

#-*- coding:utf-8 -*-
html='''
<title>大家还做百度搜索排名吗？</title>
帖子链接<a href="https://www.6yhj.com/thread-97327-1-1.html" rel="canonical" >
百度主页http://baidu.com</a>
还有这个<a class='123k' href='https://6yhj.com'>6yhj</a>也不错哈！
'''
import re
pattern=re.compile(r'<a.*?href=.*?>')
content=pattern.sub('',html)
content=content.replace('</a>','')
print(content)

下面是输出的结果：

完全ok的啦！

看到功能实现了，我也就没再研究了，或许还有更简便的方法，或者更简便的写法吧。