本篇文章給大家分享的是有關使用python怎么對html進行過濾，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

創(chuàng)新互聯-專業(yè)網站定制、快速模板網站建設、高性價比酉陽土家族苗族網站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式酉陽土家族苗族網站制作公司更省心,省錢,快速模板網站建設找我們，業(yè)務覆蓋酉陽土家族苗族地區(qū)。費用合理售后完善，十多年實體公司更值得信賴。

如下所示：

##過濾HTML中的標簽
#將HTML中標簽等信息去掉
#@param htmlstr HTML字符串.
def filter_tags(htmlstr):
 #先過濾CDATA
 re_cdata=re.compile('//<!\[CDATA\[[^>]*//\]\]>',re.I) #匹配CDATA
 re_script=re.compile('<\s*script[^>]*>[^<]*<\s*/\s*script\s*>',re.I)#Script
 re_style=re.compile('<\s*style[^>]*>[^<]*<\s*/\s*style\s*>',re.I)#style
 re_br=re.compile('<br\s*?/?>')#處理換行
 re_h=re.compile('</?\w+[^>]*>')#HTML標簽
 re_comment=re.compile('<!--[^>]*-->')#HTML注釋
 re_stopwords=re.compile('\u3000')#去除無用的'\u3000'字符
 s=re_cdata.sub('',htmlstr)#去掉CDATA
 s=re_script.sub('',s) #去掉SCRIPT
 s=re_style.sub('',s)#去掉style
 s=re_br.sub('\n',s)#將br轉換為換行
 s=re_h.sub('',s) #去掉HTML 標簽
 s=re_comment.sub('',s)#去掉HTML注釋
 s=re_stopwords.sub('',s)
 #去掉多余的空行
 blank_line=re.compile('\n+')
 s=blank_line.sub('\n',s)
 s=replaceCharEntity(s)#替換實體
 return s

##替換常用HTML字符實體.
#使用正常的字符替換HTML中特殊的字符實體.
#你可以添加新的實體字符到CHAR_ENTITIES中,處理更多HTML字符實體.
#@param htmlstr HTML字符串.
def replaceCharEntity(htmlstr):
 CHAR_ENTITIES={'nbsp':' ','160':' ',
    'lt':'<','60':'<',
    'gt':'>','62':'>',
    'amp':'&','38':'&',
    'quot':'"','34':'"',}

 re_charEntity=re.compile(r'&#?(?P<name>\w+);')
 sz=re_charEntity.search(htmlstr)
 while sz:
  entity=sz.group()#entity全稱，如&gt;
  key=sz.group('name')#去除&;后entity,如&gt;為gt
  try:
   htmlstr=re_charEntity.sub(CHAR_ENTITIES[key],htmlstr,1)
   sz=re_charEntity.search(htmlstr)
  except KeyError:
   #以空串代替
   htmlstr=re_charEntity.sub('',htmlstr,1)
   sz=re_charEntity.search(htmlstr)
 return htmlstr

Python主要用來做什么

Python主要應用于：1、Web開發(fā)；2、數據科學研究；3、網絡爬蟲；4、嵌入式應用開發(fā)；5、游戲開發(fā)；6、桌面應用開發(fā)。

以上就是使用python怎么對html進行過濾，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注創(chuàng)新互聯行業(yè)資訊頻道。

當前題目：使用python怎么對html進行過濾-創(chuàng)新互聯
轉載來于：http://chinadenli.net/article12/piogc.html

成都網站建設公司_創(chuàng)新互聯，為您提供全網營銷推廣、網站維護、虛擬主機、企業(yè)建站、品牌網站制作、網站導航

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯