我一直使用此函数来剥离
HTML标记，因为它仅需要
Python stdlib：
在Python 2上
from HTMLParser import HTMLParserclass 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()
对于Python 3
from html.parser import HTMLParserclass MLStripper(HTMLParser): def __init__(self): self.reset() self.strict = False self.convert_charrefs= True 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()
注意：这仅适用于3.1。对于3.2或更高版本，您需要调用父类的init函数。
