從HTML標記中刪除某些屬性

如何從HTML代碼中刪除某些屬性，如id，樣式，類等？從HTML標記中刪除某些屬性

我想我可以使用lxml.html.clean module，但事實證明我只能使用Clean(style=True).clean_html(code)刪除樣式屬性。我不希望使用正則表達式來完成此任務（屬性可能會更改）。

我想什麼有：提前

from lxml.html.clean import Cleaner 

code = '<tr id="ctl00_Content_AdManagementPreview_DetailView_divNova" class="Extended" style="display: none;">' 

cleaner = Cleaner(style=True, id=True, class=True) 
cleaned = cleaner.clean_html(code) 

print cleaned 
'<tr>'

謝謝！

來源

2011-09-19 naeg

cleaner.Cleaner.__call__有一個safe_attrs_only參數。設置爲True時，僅保留clean.defs.safe_attrs中的屬性。您可以通過更改clean.defs.safe_attrs來刪除任何或所有屬性。只要確保在完成後將其改回。

import lxml.html.clean as clean 

code = '<tr id="ctl00_Content_AdManagementPreview_DetailView_divNova" class="Extended" style="display: none;">' 

safe_attrs = clean.defs.safe_attrs 
cleaner = clean.Cleaner(safe_attrs_only=True, safe_attrs=frozenset()) 
cleansed = cleaner.clean_html(code) 

print(cleansed)

產量

<tr></tr>

來源

2011-09-19 13:48:58 unutbu

謝謝，這正是我所需要的！ – naeg

我在使用lxml-3.2.3的這種技術時遇到了困難。知道他們是否改變了一些東西？ – Xavi

爲了在v3.2.3中工作，我必須在'cleaner = clean.Cleaner（...）'之後添加'cleaner.safe_attrs = clean.defs.safe_attrs'。 – Xavi

從HTML標記中刪除某些屬性

回答

相關問題