Bagaimana untuk mengalih keluar Tag HTML dari String dalam Python?

Mengalih keluar Pemformatan HTML daripada Rentetan dalam Python

Pertimbangkan tugas mengekstrak kandungan dokumen HTML tanpa memaparkan teg pemformatan. Contohnya, elemen HTML beberapa teks hendaklah mengeluarkan hanya "beberapa teks," dan hello harus memaparkan "hello."

Penyelesaian

Pustaka Python terbina dalam menyediakan mekanisme yang berguna untuk mencapai matlamat ini:

Untuk 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()

Untuk 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()

Atas ialah kandungan terperinci Bagaimana untuk mengalih keluar Tag HTML dari String dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!