removendo tags html em python para uma representação textual intocada

manipular respostas html geralmente envolve a extração de texto relevante enquanto eliminando as tags formatadas. Isso pode ser obtido retirando efetivamente as tags HTML, deixando você com o texto simples desejado. O Mlstripper pega a entrada HTML e o analisa, preservando apenas o conteúdo não-markup. 3:] de html.parser importar htmlparser Classe 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 ()

python 2:

do htmlParser importar htmlparserSer De Stringio Import Stringio Classe 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) Retorne s.get_data ()

uso:

basta chamar a função Strip_tags que passa a entrada HTML como um argumento de string. O valor retornado será uma string despojada com todas as tags HTML removidas.