删除python中的所有html?

Tim*_*mmy 1 python tags xss lxml

有没有办法使用lxml.html删除/转义html标签而不是有一些xss问题的beautifulsoup?我尝试使用清洁,但我想删除所有的HTML.

小智 11

我相信,这段代码可以帮助你:

from lxml.html.clean import Cleaner

html_text = "<html><head><title>Hello</title><body>Text</body></html>"
cleaner = Cleaner(allow_tags=[''], remove_unknown_tags=False)
cleaned_text = cleaner.clean_html(html_text)
Run Code Online (Sandbox Code Playgroud)


Ste*_*ven 10

尝试.text_content()使用元素上的方法,最好在使用后lxml.html.clean删除不需要的内容(脚本标记等).例如:

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()
Run Code Online (Sandbox Code Playgroud)