Python の文字列から HTML タグを削除するには?

Python の文字列から HTML 書式設定を削除する

書式設定タグを表示せずに HTML ドキュメントのコンテンツを抽出するタスクを考えてみましょう。たとえば、HTML 要素 テキスト 「何らかのテキスト」と hello のみを出力する必要があります。 「hello」が表示されるはずです。

解決策

組み込みの Python ライブラリは、この目標を達成するための便利なメカニズムを提供します。

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()

の場合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()

以上がPython の文字列から HTML タグを削除するには?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。