删除python中的所有html? [英] Remove all html in python?

问题描述

有没有一种方法可以使用lxml.html而不是有一些xss问题的beautifulsoup来删除/转义html标签?我尝试使用清洁器，但我想删除所有html.

Is there a way to remove/escape html tags using lxml.html and not beautifulsoup which has some xss issues? I tried using cleaner, but i want to remove all html.

推荐答案

请尝试在元素上使用.text_content()方法，最好是在使用lxml.html.clean清除不需要的内容(脚本标记等)之后.例如:

Try the .text_content() method on an element, probably best after using lxml.html.clean to get rid of unwanted content (script tags etc...). For example:

from lxml import html
from lxml.html.clean import clean_html

tree = html.parse('http://www.example.com')
tree = clean_html(tree)

text = tree.getroot().text_content()

这篇关于删除python中的所有html?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！