如何在 Python 中有效率地從字串中移除 HTML 標籤？

在Python 中從字串中剝離HTML

與HTML 內容互動時，通常需要將有意義的文字與標記標籤分開進一步處理或分析。以下是如何在 Python 中有效實現此目的。

要從字串中剝離 HTML 標籤，請使用 Python 標準函式庫中的 HTMLParser。此解析器提供了一種簡單的方法來解析 HTML 文件並僅提取所需的內容。

對於Python 3，請使用以下程式碼：

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()

對於Python 2，請使用以下程式碼：

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()

現在我們來說明它的用法：

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

以上是如何在 Python 中有效率地從字串中移除 HTML 標籤？的詳細內容。更多資訊請關注PHP中文網其他相關文章！