如何在python中删除html标签中的文本？ [复制]
Posted
技术标签:
【中文标题】如何在python中删除html标签中的文本？ [复制]【英文标题】：How to remove texts within html tags in python? [duplicate] 【发布时间】：2012-09-29 00:35:09 【问题描述】：可能重复：Strip html from strings in python
在制作类似应用程序的小型浏览器时，我面临拆分不同标签的问题。考虑字符串
<html> <h1> good morning </h1> welcome </html>
我需要以下输出： ['早上好','欢迎']
如何在 python 中做到这一点？
【问题讨论】：
【参考方案1】：我会使用xml.etree.ElementTree:
def get_text(etree):
for child in etree:
if child.text:
yield child.text
if child.tail:
yield child.tail
import xml.etree.ElementTree as ET
root = ET.fromstring('<html> <h1> good morning </h1> welcome </html>')
print list(get_text(root))
【讨论】：
【参考方案2】：您可以使用 pythons html / xml 解析器之一。
美丽的汤很受欢迎。 lmxl 也很受欢迎。
以上是您也可以使用标准库的第三方包
http://docs.python.org/library/xml.etree.elementtree.html
【讨论】：
【参考方案3】：我会使用 python 库Beautiful Soup 来实现您的目标。在它的帮助下只需几行代码：
from bs4 import BeautifulSoup
soup = BeautifulSoup('<html> <h1> good morning </h1> welcome </html>')
print [text for text in soup.stripped_strings]
【讨论】：
以上是关于如何在python中删除html标签中的文本？ [复制]的主要内容，如果未能解决你的问题，请参考以下文章
如何使用 selenium Web 驱动程序 python 在 html 中的标签之间添加标签