#?-*-?coding:utf-8?-*-
import?urllib.request?urllib.parse?urllib.error
import?re
import?os
?
#處理頁面標簽類
class?Tool:
????#去除img標簽7位長空格
????removeImg?=?re.compile（‘|?{7}|‘）
????#刪除超鏈接標簽
????removeAddr?=?re.compile（‘|‘）
????#把換行的標簽換為\n
????replaceLine?=?re.compile（‘|
|
|
‘）
????#將表格制表替換為\t
????replaceTD=?re.compile（‘‘）
????#把段落開頭換為\n加空兩格
????replacePara?=?re.compile（‘‘）
????#將換行符或雙換行符替換為\n
????replaceBR?=?re.compile（‘

|
‘）
????replaceKG?=?re.compile（‘ ‘）
????#將其余標簽剔除
????removeExtraTag?=?re.compile（‘<.*?>‘）
????def?replace（selfx）:
????????x?=?re.sub（self.removeImg““x）
????????x?=?re.sub（self.removeAddr““x）
????????x?=?re.sub（self.replaceLine“\n“x）
????????x?=?re.sub（self.replaceTD“\t“x）
????????