Python 相当于 PHP 的 strip_tags？

Question

Python 相当于 PHP 的 strip_tags？

http://php.net/manual/en/function.strip-tags.php

Answer 1

Python 标准库中没有这样的东西。这是因为 Python 是一种通用语言，而 PHP 最初是一种面向 Web 的语言。

尽管如此，您有 3 个解决方案：

• 您很着急：自己做一个。 re.sub(r'<[^>]*?>', '', value) 可能是一个快速但肮脏的解决方案。
• 使用第三方库（推荐，因为更防弹）：beautiful soup 是一个非常好的库无需安装任何内容，只需复制 lib 目录并导入即可。 完整的教程和漂亮的汤 。
• 使用框架。大多数 Web Python 开发人员从不从头开始编写代码，他们使用诸如 django 之类的框架来自动为您完成这些工作。 django 完整教程。

Answer 2

使用BeautifulSoup

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(htmltext)
''.join([e for e in soup.recursiveChildGenerator() if isinstance(e,unicode)])

Answer 3

from bleach import clean
print clean("<strong>My Text</strong>", tags=[], strip=True, strip_comments=True)

Answer 4

您不会找到许多内置 PHP HTML 函数的内置 Python 等效项，因为 Python 更像是一种通用脚本语言，而不是 Web 开发语言。对于 HTML 处理，通常建议使用 BeautifulSoup。

Answer 5

我使用 HTMLParser 类为 Python 3 构建了一个。它比 PHP 更详细。我将其称为 HTMLCleaner 类，您可以找到源代码 在这里，您可以找到示例

Answer 6

有一个有效的状态配方，

http://code.activestate.com/recipes/52281/< /a>

这是旧代码，因此您必须将 sgml 解析器更改为 HTMLparser，如注释中所述

这是修改后的代码，

import HTMLParser, string

class StrippingParser(HTMLParser.HTMLParser):

    # These are the HTML tags that we will leave intact
    valid_tags = ('b', 'a', 'i', 'br', 'p', 'img')

    from htmlentitydefs import entitydefs # replace entitydefs from sgmllib

    def __init__(self):
        HTMLParser.HTMLParser.__init__(self)
        self.result = ""
        self.endTagList = []

    def handle_data(self, data):
        if data:
            self.result = self.result + data

    def handle_charref(self, name):
        self.result = "%s&#%s;" % (self.result, name)

    def handle_entityref(self, name):
        if self.entitydefs.has_key(name): 
            x = ';'
        else:
            # this breaks unstandard entities that end with ';'
            x = ''
        self.result = "%s&%s%s" % (self.result, name, x)

    def handle_starttag(self, tag, attrs):
        """ Delete all tags except for legal ones """
        if tag in self.valid_tags:       
            self.result = self.result + '<' + tag
            for k, v in attrs:
                if string.lower(k[0:2]) != 'on' and string.lower(v[0:10]) != 'javascript':
                    self.result = '%s %s="%s"' % (self.result, k, v)
            endTag = '</%s>' % tag
            self.endTagList.insert(0,endTag)    
            self.result = self.result + '>'

    def handle_endtag(self, tag):
        if tag in self.valid_tags:
            self.result = "%s</%s>" % (self.result, tag)
            remTag = '</%s>' % tag
            self.endTagList.remove(remTag)

    def cleanup(self):
        """ Append missing closing tags """
        for j in range(len(self.endTagList)):
                self.result = self.result + self.endTagList[j]    


def strip(s):
    """ Strip illegal HTML tags from string s """
    parser = StrippingParser()
    parser.feed(s)
    parser.close()
    parser.cleanup()
    return parser.result

Answer 7

Python 没有内置函数，但实现数量多得惊人。

Answer 8

使用 beautifulsoup4，

def strip_tags(html_content):
    soup = bs4.BeautifulSoup(html_content, 'html.parser')
    return soup.get_text()

• https://pypi.org/project/beautifulsoup4/
• https://beautiful-soup-4.readthedocs.io/
• https://beautiful-soup-4.readthedocs.io/en/latest/index.html#get -文本