美高梅娱乐71966 澳门永利平台,刘惠璞结婚了吗,九江网站建设
如下所示：
我要评论
##过滤html中的标签
#将html中标签等信息去掉
#@param htmlstr html字符串.
def filter_tags(htmlstr):
#先过滤cdata
re_cdata=re.compile('//<!\[cdata\[[^>]*//\]\]>',re.i) #匹配cdata
re_script=re.compile('<\s*script[^>]*>[^<]*<\s*/\s*script\s*>',re.i)#script
re_style=re.compile('<\s*style[^>]*>[^<]*<\s*/\s*style\s*>',re.i)#style
re_br=re.compile('<br\s*?/?>')#处理换行
re_h=re.compile('</?\w+[^>]*>')#html标签
re_comment=re.compile('<!--[^>]*-->')#html注释
re_stopwords=re.compile('\u3000')#去除无用的'\u3000'字符
s=re_cdata.sub('',htmlstr)#去掉cdata
s=re_script.sub('',s) #去掉script
s=re_style.sub('',s)#去掉style
s=re_br.sub('\n',s)#将br转换为换行
s=re_h.sub('',s) #去掉html 标签
s=re_comment.sub('',s)#去掉html注释
s=re_stopwords.sub('',s)
#去掉多余的空行
blank_line=re.compile('\n+')
s=blank_line.sub('\n',s)
s=replacecharentity(s)#替换实体
return s
##替换常用html字符实体.
#使用正常的字符替换html中特殊的字符实体.
#你可以添加新的实体字符到char_entities中,处理更多html字符实体.
#@param htmlstr html字符串.
def replacecharentity(htmlstr):
char_entities={'nbsp':' ','160':' ',
'lt':'<','60':'<',
'gt':'>','62':'>',
'amp':'&','38':'&',
'quot':'"','34':'"',}
re_charentity=re.compile(r'&#?(?p<name>\w+);')
sz=re_charentity.search(htmlstr)
while sz:
entity=sz.group()#entity全称，如>
key=sz.group('name')#去除&;后entity,如>为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
以上这篇python对html过滤处理的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持移动技术网。
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
新手学习Python2和Python3中print不同的用法
Python基于os.environ从windows获取环境变量
网友评论