帶HTML標籤 - 在Python

Question

符號我使用下面的Python中剝離HTML標籤，但它也消除&（號），我需要他們留下來。有任何想法嗎？

從HTMLParser的進口HTMLParser的

class MLStripper(HTMLParser): 
    def __init__(self): 
     self.reset() 
     self.fed = [] 
    def handle_data(self, d): 
     self.fed.append(d) 
    def get_data(self): 
     return ''.join(self.fed) 

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

（也，代碼塊不配合，請想象一下在最後三個行縮進）

Answer 1

正則表達式替換聽起來像一個簡單的方法來做到這一點。

import re 
text = '<b>foo&bar <a href="http://www.example.com/">link</a></b>' 
re.sub(r'<.+?>', '', text) 
# foo&bar link 

可能有一些特殊情況，我沒有想過哪些需要更復雜的正則表達式。