Wie kann ich HTML-Tags effizient aus Strings in Python entfernen?

HTML aus Strings in Python entfernen

Bei der Interaktion mit HTML-Inhalten ist es oft notwendig, den aussagekräftigen Text von den Markup-Tags für zu trennen Weiterverarbeitung oder Analyse. So erreichen Sie dies effizient in Python.

Um HTML-Tags aus einer Zeichenfolge zu entfernen, verwenden Sie den HTMLParser aus der Python-Standardbibliothek. Dieser Parser bietet eine einfache Möglichkeit, HTML-Dokumente zu analysieren und nur den gewünschten Inhalt zu extrahieren.

Verwenden Sie für Python 3 den folgenden Code:

from io import StringIO
from html.parser import HTMLParser

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

def strip_html(html):
    stripper = TagStripper()
    stripper.feed(html)
    return stripper.get_data()

Für Python 2 verwenden Sie den folgenden Code:

from HTMLParser import HTMLParser
from StringIO import StringIO

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

def strip_html(html):
    stripper = TagStripper()
    stripper.feed(html)
    return stripper.get_data()

Lassen Sie uns nun die Verwendung veranschaulichen:

html = "<p>Hello, <em>world</em>!</p>"
stripped_text = strip_html(html)
print(stripped_text)  # Output: Hello, world!

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