如何在 Python 中高效地从字符串中去除 HTML 标签？

在 Python 中从字符串中剥离 HTML

与 HTML 内容交互时，通常需要将有意义的文本与标记标签分开进一步处理或分析。以下是如何在 Python 中有效实现此目的。

要从字符串中剥离 HTML 标签，请使用 Python 标准库中的 HTMLParser。该解析器提供了一种简单的方法来解析 HTML 文档并仅提取所需的内容。

对于 Python 3，请使用以下代码：

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()

对于 Python 2，请使用以下代码：

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()

现在我们来说明一下它的用法：

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 中高效地从字符串中去除 HTML 标签？的详细内容。更多信息请关注PHP中文网其他相关文章！