Python でテキストから HTML タグを効率的に取り除くにはどうすればよいですか?-Python チュートリアル-php.cn

Python でテキストから HTML タグを効率的に取り除くにはどうすればよいですか?

Linda Hamilton

リリース： 2024-12-19 22:42:16

オリジナル

514 人が閲覧しました

How Can I Efficiently Strip HTML Tags from Text in Python?

原始的なテキスト表現のために Python で HTML タグを削除する

HTML 応答の操作では、多くの場合、書式タグを削除しながら関連するテキストコンテンツを抽出する必要があります。これは、HTML タグを効果的に削除し、目的のプレーンテキストを残すことで実現できます。

Python の MLStripper を使用してテキストのみの抽出を実現

削除プロセスを合理化するには、 Python 標準ライブラリには、この目的のために特別に設計された効率的な関数 MLStripper が用意されています。 MLStripper は HTML 入力を取得して解析し、マークアップ以外のコンテンツのみを保持します。

Python 3 および 2 の実装

Python のバージョンに応じて、次のものを利用できます。コードスニペット:

Python 3:

from io import StringIO
from html.parser import HTMLParser

class MLStripper(HTMLParser):
    def __init__(self):
        super().__init__()
        self.reset()
        self.strict = False
        self.convert_charrefs= True
        self.text = StringIO()
    def handle_data(self, d):
        self.text.write(d)
    def get_data(self):
        return self.text.getvalue()

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

ログイン後にコピー

Python 2:

from HTMLParser import HTMLParser
from StringIO import StringIO

class MLStripper(HTMLParser):
    def __init__(self):
        self.reset()
        self.text = StringIO()
    def handle_data(self, d):
        self.text.write(d)
    def get_data(self):
        return self.text.getvalue()

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

ログイン後にコピー

使用法:

strip_tags を呼び出すだけですHTML 入力を文字列引数として渡す関数。返される値は、すべての HTML タグが削除されたストリング文字列になります。

この手法は、HTML ソースから抽出されたテキストデータを操作する必要がある場合に非常に役立ち、クリーンで管理しやすいテキスト表現を保証します。

以上がPython でテキストから HTML タグを効率的に取り除くにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。