Python转换HTML到Text纯文本的方法

站长资源 2024/11/24 佚名

2 0 1

本文实例讲述了Python转换HTML到Text纯文本的方法。分享给大家供大家参考。具体分析如下：

今天项目需要将HTML转换为纯文本，去网上搜了一下，发现Python果然是神通广大，无所不能，方法是五花八门。

拿今天亲自试的两个方法举例，以方便后人：

方法一：

1. 安装nltk，可以去pipy装

（注：需要依赖以下包：numpy, PyYAML）

2.测试代码：
复制代码代码如下:> import nltk
> aa = r'''''
<html>
 <body>
Project: DeHTML 
Description: 
This small script is intended to allow conversion from HTML markup to
plain text.
 </body>
</html>
'''
> aa
'\n<html>\n <body>\n Project: DeHTML \n Description: \n This small script is intended to allow conversion from HTML markup to \n plain text.\n </body>\n </html>\n '
> print nltk.clean_html(aa)
Project: DeHTML
 Description :
 This small script is intended to allow conversion from HTML markup to
 plain text.

方法二：

如果觉得nltk太笨重，大材小用的话，可以自己写代码，代码如下:
复制代码代码如下:from HTMLParser import HTMLParser
from re import sub
from sys import stderr
from traceback import print_exc

class _DeHTMLParser(HTMLParser):
 def __init__(self):
 HTMLParser.__init__(self)
 self.__text = []

 def handle_data(self, data):
 text = data.strip()
 if len(text) > 0:
 text = sub('[ \t\r\n]+', ' ', text)
 self.__text.append(text + ' ')

 def handle_starttag(self, tag, attrs):
 if tag == 'p':
 self.__text.append('\n\n')
 elif tag == 'br':
 self.__text.append('\n')

 def handle_startendtag(self, tag, attrs):
 if tag == 'br':
 self.__text.append('\n\n')

 def text(self):
 return ''.join(self.__text).strip()

def dehtml(text):
 try:
 parser = _DeHTMLParser()
 parser.feed(text)
 parser.close()
 return parser.text()
 except:
 print_exc(file=stderr)
 return text

def main():
 text = r'''''
 <html>
 <body>
 Project: DeHTML 
 Description: 
 This small script is intended to allow conversion from HTML markup to
 plain text.
 </body>
 </html>
 '''
 print(dehtml(text))

if __name__ == '__main__':
 main()

运行结果：

> ================================ RESTART ================================
>
Project: DeHTML
Description :
This small script is intended to allow conversion from HTML markup to plain text.

希望本文所述对大家的Python程序设计有所帮助。

Python,转换,HTML,Text,纯文本,方法

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！

评论“Python转换HTML到Text纯文本的方法”

暂无评论...

《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线

暴雪近日发布了《魔兽世界》10.2.6 更新内容，新游玩模式《强袭风暴》即将于3月21 日在亚服上线，届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。

艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕，并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时，他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中，玩家将会进入一个全新的海盗主题大逃杀式限时活动，其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场，作为一个独立于主游戏之外的活动，玩家可以用大逃杀的风格来体验《魔兽世界》，不分职业、不分装备（除了你在赛局中捡到的），光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式，玩家在加入海盗主题的预赛大厅区域前，可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹，《巨龙崛起》和《魔兽世界：巫妖王之怒经典版》的玩家都可以获得奖励。

更新日志

2024年11月24日

Python转换HTML到Text纯文本的方法

Python中的对象，方法，类，实例，函数用法分析

python中os操作文件及文件路径实例汇总

评论“Python转换HTML到Text纯文本的方法”

《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线

更新日志

友情链接