python過濾去除html標籤 提取純文字

python正則過濾html標籤，提取純文字

上**

def

filterhtmltag
(htmlstr)
:'''
過濾html中的標籤
'''#相容換行
s = htmlstr.replace(
'\r\n'
,'\n'
) s = htmlstr.replace(
'\r'
,'\n'
)#規則
re_cdata = re.
compile
('//]*//\]\]>'
,re.i)
#匹配cdata
re_script = re.
compile
('<\s*script[^>]*>[\s\s]*?<\s*/\s*script\s*>'
,re.i)
#script
re_style = re.
compile
('<\s*style[^>]*>[\s\s]*?<\s*/\s*style\s*>'
,re.i)
#style
re_br = re.
compile('
',re.i)
#br標籤換行
re_p = re.
compile
('<\/p>'
,re.i)
#p標籤換行
re_h = re.
compile
('<[\!|/]?\w+[^>]*>'
,re.i)
#html標籤
re_comment = re.
compile(''
)#html注釋
re_hendstr = re.
compile
('^\s*|\s*$'
)#頭尾空白字元
re_lineblank = re.
compile
('[\t\f\v ]*'
)#空白字元
re_linenum = re.
compile
('\n+'
)#連續換行保留1個
#處理 s = re_cdata.sub(
'',s)
#去cdata
s = re_script.sub(
'',s)
#去script
s = re_style.sub(
'',s)
#去style
s = re_br.sub(
'\n'
,s)#br標籤換行
s = re_p.sub(
'\n'
,s)#p標籤換行
s = re_h.sub(
'',s)
#去html標籤
s = re_comment.sub(
'',s)
#去html注釋
s = re_lineblank.sub(
'',s)
#去空白字元
s = re_linenum.sub(
'\n'
,s)#連續換行保留1個
s = re_hendstr.sub(
'',s)
#去頭尾空白字元
#替換實體
s = replacecharentity(s)
return s
defreplacecharentity
(htmlstr)
:'''
替換html中常用的字元實體
使用正常的字元替換html中特殊的字元實體
可以新增新的字元實體到char_entities 中
char_entities是乙個字典前面是特殊字元實體 後面是其對應的正常字元
:param htmlstr:
'''self.htmlstr = htmlstr
char_entities=
re_charentity=re.
compile
(r'&#?(?p\w+);'
) sz=re_charentity.search(htmlstr)
while sz:
entity=sz.group(
)#entity全稱，如》
key=sz.group(
'name'
)#去除&;後的字元如（" "--->key = "nbsp"） 去除&;後entity,如》為gt
try:
htmlstr= re_charentity.sub(char_entities[key]
,htmlstr,1)
sz=re_charentity.search(htmlstr)
except keyerror:
#以空串代替
htmlstr=re_charentity.sub(
'',htmlstr,1)
sz=re_charentity.search(htmlstr)
return htmlstr

sql去除html標籤

分類 sql舉報 sql資料庫sql函式 1 建立函式 sql view plain copy create function dbo clearhtml maco varchar 8000 returns varchar 8000 as begin declare i int while 1 1 ...

php 只提取文字，去除html標籤樣式和轉義字元

只提取文字，去除html標籤樣式和轉義字元。主要用於提取富文字編輯的內容。把html實體標籤轉換為字元 html string htmlspecialchars decode content 將空格替換成空 content str replace html string 函式剝去字串中的 html ...

python去除所有html標籤的方法

這段 可以用於去除文字裡的字串標籤，不包括標籤裡面的內容 import re 程式設計客棧html 程式設計客棧a 程式設計客棧href 我們,python學習！dr re.fezczocmclcompile r re.s dd dr.sub html print dd 執行結果如下 我們,pyth...