Comment supprimer les balises HTML des chaînes en Python ?

Suppression du formatage HTML des chaînes en Python

Considérez la tâche d'extraction du contenu d'un document HTML sans afficher les balises de formatage. Par exemple, l'élément HTML some text ne devrait afficher que "du texte" et hello devrait afficher « bonjour ».

Solution

La bibliothèque Python intégrée fournit un mécanisme utile pour atteindre cet objectif :

Pour 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()

Pour 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()

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!