Wie entferne ich HTML-Tags aus Strings in Python?

HTML-Formatierung aus Strings in Python entfernen

Stellen Sie sich die Aufgabe vor, den Inhalt eines HTML-Dokuments zu extrahieren, ohne die Formatierungs-Tags anzuzeigen. Beispielsweise kann das HTML-Element some text sollte nur „etwas Text“ ausgeben und hello sollte „Hallo“ anzeigen.

Lösung

Die integrierte Python-Bibliothek bietet einen nützlichen Mechanismus, um dieses Ziel zu erreichen:

Für Python 3:

from io import StringIO
from html.parser import HTMLParser

class MLStripper(HTMLParser):
    def __init__(self):
        super().__init__()
        self.reset()
        self.strict = False
        self.convert_charrefs= True
        self.text = StringIO()
    def handle_data(self, d):
        self.text.write(d)
    def get_data(self):
        return self.text.getvalue()

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

Für Python 2:

from HTMLParser import HTMLParser
from StringIO import StringIO

class MLStripper(HTMLParser):
    def __init__(self):
        self.reset()
        self.text = StringIO()
    def handle_data(self, d):
        self.text.write(d)
    def get_data(self):
        return self.text.getvalue()

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

Das obige ist der detaillierte Inhalt vonWie entferne ich HTML-Tags aus Strings in Python?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!