python 去除html标签函数

最新推荐文章于 2023-09-21 10:53:56 发布

转载最新推荐文章于 2023-09-21 10:53:56 发布 · 1.2k 阅读

收录于

当前文章被以下社区和专栏收录：

本文介绍了一个简单的Python函数,该函数用于从HTML字符串中移除所有HTML标签,仅保留文本内容。此方法利用了HTMLParser类来解析并提取纯文本数据,适用于初步的数据清理工作,如去除网页抓取时产生的多余标签等。

Python3.8

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

def strip_tags(html):
    """
    Python中过滤HTML标签的函数
    >>> str_text=strip_tags("<font color=red>hello</font>")
    >>> print str_text
    hello
    """
    from HTMLParser import HTMLParser
    html = html.strip()
    html = html.strip("\n")
    result = []
    parser = HTMLParser()
    parser.handle_data = result.append
    parser.feed(html)
    parser.close()
    return ''.join(result)