我用正则sub去替换标配为空，但是爬取出来还是替换不掉

img
我在这里写了正则替换的代码

img
但是爬取出来依然会有这些标签并没有替换成空的

img
我还想把这些也替换掉，麻烦好心人帮我看看是什么问题给我一个思路我该怎么弄才可以

import re
import requests

headers={
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36 Edg/91.0.864.64',
    'Cookie': 'bcolor=; font=; size=; fontcolor=; width=; Hm_lvt_26c0596a5f449ac3144f90f3a3202786=1624770759,1625320560; hitme=1; hitbookid=17577; Hm_lpvt_26c0596a5f449ac3144f90f3a3202786=1625320791',
    'Referer': 'http://www.dvdspring.com/b/111582/'
}


def parse_page(url):
    response=requests.get(url,headers=headers)
    text=response.text
    titles=re.findall(r'<div class="bookname">.*?<h1>(.*?)</h1>',text,re.DOTALL)
    contents=re.findall(r'<div id="content">(.*?)</div>',text,re.DOTALL)
    fiction=[]
    for content in contents:
        x=re.sub('r<.*?>','',content,flags=re.S)
        fiction.append(x.strip())
        # print(x.strip())
    pomes=[]
    for value in zip(titles,contents):
        title,content=value
        pome={
            '章节':title,
            '内容':content
        }
        pomes.append(pome)
        for pome in pomes:
            print(pome)
            print('='*40)



def main():
    url='http://www.dvdspring.com/b/111582/479440.html'
    for x in range(441,444):
        url='http://www.dvdspring.com/b/111582/479%s.html'%x
        parse_page(url)


if __name__ == '__main__':
    main()

这里是整个代码片段

额……道理我都懂，为什么要爬笔趣阁呢，不是可以下载的吗？

img
别的一时半会也看不出来
补充一下，按照你的写法，用re.sub是可以替换掉<巴拉巴拉>这样的东西的，但是你第三张图里标注的形如“&nbsp;”这些是处理不掉的，这是放在标签括号外面，也就是标签文本里的东西，是html用的转义符，表示空格，你可以另外写几句代码来处理转义符

这个标签本身就是这个字符串的一部分，它就是字符串，所以你会一起取出来，要么接一个remove方法去掉，要么匹配的时候，能不能多加个匹配项。正则我不是精通，我只能给方向。