Python去除html标签的几种方法总结
更新时间：2023年01月03日 15:25:42 作者：一行书辞
这篇文章主要介绍了Python去除html标签的几种方法总结，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
Python去除html标签的方法
最近小说看得比较多，但是很多小说网站都存在各种小广告，看起来很不方便，所以就自己写了个小程序，把小说都爬下来，然后搭个自己喜欢web页面来看。
在爬取过程中没有出现太大的问题，只有在清洗数据时，发现小说文本中混杂HTML标签，所以就需要对标签进行清洗。
我自己尝试了字符串的处理方式，正则，还有lxml等方式来处理这个问题，现在记录一下使用方式。
我们使用下面这个字符串举例说明，内容为一段html代码。需要对这段字符串进行处理，提取文本
html = '<p>你好</p><br/><font>哈哈</font><b>大家好</b>'
1. 使用正则来处理
import re
pattern = re.compile(r'<[^>]+>',re.S)
result = pattern.sub('', html)
print(result)
输出结果：
你好哈哈大家好
2. 使用BeautifulSoup来处理
from bs4 import BeautifulSoup soup = BeautifulSoup(html,'html.parser') print(soup.get_text())
输出结果：
你好哈哈大家好
3. 使用lxml来出来
from lxml import etree
response = etree.HTML(text=html)
# print(dir(response))
print(response.xpath('string(.)'))
输出结果：
你好哈哈大家好
python正则表达式去除html标签的属性
import re test='<p class="pictext" align="center">陈细妹</p>' test=re.sub(r'(<[^>\s]+)\s[^>]+?(>)', r'\1\2', test) print(test)
输出
<p>陈细妹</p>
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
在本篇文章里小编给大家分享的是一篇关于python必须装在c盘吗的知识点文章，有兴趣的朋友们可以学习下。2020-06-06
Django添加bootstrap框架时无法加载静态文件的解决方式
这篇文章主要介绍了Django添加bootstrap框架时无法加载静态文件的解决方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-03-03
我们常常面临着大量的重复性工作，通过人工方式处理往往耗时耗力易出错。而Python在办公自动化方面具有天然优势。本文将利用读取Excel数据并实现批量生成PPT，需要的可以参考一下2022-05-05
在本篇文章里小编给大家整理的是一篇关于python用函数创造字典的实例讲解内容，有需要的朋友们可以学习参考下。2021-06-06
本文主要介绍了FastApi如何快速构建一个web项目的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-03-03
这篇文章主要介绍了Python与shell的3种交互方式介绍,本文讲解了os.system、os.popen、subprocess模块等3种方法,需要的朋友可以参考下2015-04-04
详解python如何在django中为用户模型添加自定义权限
这篇文章主要介绍了python如何在django中为用户模型添加自定义权限，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-10-10
这篇文章主要介绍了关于Python中jieba库的使用,jieba (“结巴”) 是 Python 中一个重要的第三方中文分词函数库,除了分词，jieba 还提供增加自定义中文单词的功能,需要的朋友可以参考下2023-04-04
这篇文章主要为大家详细介绍了基于python3的socket聊天编程，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-02-02
这篇文章主要为大家详细介绍了如何利用Python实现图像尺寸获取和格式转换处理的功能，文中的示例代码讲解详细，感兴趣的可以了解一下2023-04-04
最新评论