我一直使用此函数来剥离HTML标记，因为它仅需要Python stdlib：
对于Python 3：
from io import StringIOfrom html.parser import HTMLParserclass 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()
对于Python 2：
from HTMLParser import HTMLParserfrom StringIO import StringIOclass 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) return s.get_data()
