Python去除html標(biāo)簽的幾種方法總結(jié)
更新時間：2023年01月03日 15:25:42 作者：一行書辭
這篇文章主要介紹了Python去除html標(biāo)簽的幾種方法總結(jié)，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
Python去除html標(biāo)簽的方法
最近小說看得比較多，但是很多小說網(wǎng)站都存在各種小廣告，看起來很不方便，所以就自己寫了個小程序，把小說都爬下來，然后搭個自己喜歡web頁面來看。
在爬取過程中沒有出現(xiàn)太大的問題，只有在清洗數(shù)據(jù)時，發(fā)現(xiàn)小說文本中混雜HTML標(biāo)簽，所以就需要對標(biāo)簽進(jìn)行清洗。
我自己嘗試了字符串的處理方式，正則，還有l(wèi)xml等方式來處理這個問題，現(xiàn)在記錄一下使用方式。
我們使用下面這個字符串舉例說明，內(nèi)容為一段html代碼。需要對這段字符串進(jìn)行處理，提取文本
html = '<p>你好</p><br/><font>哈哈</font><b>大家好</b>'
1. 使用正則來處理
import re
pattern = re.compile(r'<[^>]+>',re.S)
result = pattern.sub('', html)
print(result)
輸出結(jié)果：
你好哈哈大家好
2. 使用BeautifulSoup來處理
from bs4 import BeautifulSoup soup = BeautifulSoup(html,'html.parser') print(soup.get_text())
輸出結(jié)果：
你好哈哈大家好
3. 使用lxml來出來
from lxml import etree
response = etree.HTML(text=html)
# print(dir(response))
print(response.xpath('string(.)'))
輸出結(jié)果：
你好哈哈大家好
python正則表達(dá)式去除html標(biāo)簽的屬性
import re test='<p class="pictext" align="center">陳細(xì)妹</p>' test=re.sub(r'(<[^>\s]+)\s[^>]+?(>)', r'\1\2', test) print(test)
輸出
<p>陳細(xì)妹</p>
總結(jié)
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
在本篇文章里小編給大家分享的是一篇關(guān)于python必須裝在c盤嗎的知識點文章，有興趣的朋友們可以學(xué)習(xí)下。2020-06-06
Django添加bootstrap框架時無法加載靜態(tài)文件的解決方式
這篇文章主要介紹了Django添加bootstrap框架時無法加載靜態(tài)文件的解決方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
Python讀取Excel數(shù)據(jù)實現(xiàn)批量生成PPT
我們常常面臨著大量的重復(fù)性工作，通過人工方式處理往往耗時耗力易出錯。而Python在辦公自動化方面具有天然優(yōu)勢。本文將利用讀取Excel數(shù)據(jù)并實現(xiàn)批量生成PPT，需要的可以參考一下2022-05-05
python用函數(shù)創(chuàng)造字典的實例講解
在本篇文章里小編給大家整理的是一篇關(guān)于python用函數(shù)創(chuàng)造字典的實例講解內(nèi)容，有需要的朋友們可以學(xué)習(xí)參考下。2021-06-06
FastApi如何快速構(gòu)建一個web項目的實現(xiàn)
本文主要介紹了FastApi如何快速構(gòu)建一個web項目的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
這篇文章主要介紹了Python與shell的3種交互方式介紹,本文講解了os.system、os.popen、subprocess模塊等3種方法,需要的朋友可以參考下2015-04-04
詳解python如何在django中為用戶模型添加自定義權(quán)限
這篇文章主要介紹了python如何在django中為用戶模型添加自定義權(quán)限，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-10-10
這篇文章主要介紹了關(guān)于Python中jieba庫的使用,jieba (“結(jié)巴”) 是 Python 中一個重要的第三方中文分詞函數(shù)庫,除了分詞，jieba 還提供增加自定義中文單詞的功能,需要的朋友可以參考下2023-04-04
這篇文章主要為大家詳細(xì)介紹了基于python3的socket聊天編程，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-02-02
Python實現(xiàn)圖像尺寸和格式轉(zhuǎn)換處理的示例詳解
這篇文章主要為大家詳細(xì)介紹了如何利用Python實現(xiàn)圖像尺寸獲取和格式轉(zhuǎn)換處理的功能，文中的示例代碼講解詳細(xì)，感興趣的可以了解一下2023-04-04