欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

Python转换HTML到Text纯文本的方法

程序员文章站 2024-04-02 19:14:16
...
本文实例讲述了Python转换HTML到Text纯文本的方法。分享给大家供大家参考。具体分析如下:

今天项目需要将HTML转换为纯文本,去网上搜了一下,发现Python果然是神通广大,无所不能,方法是五花八门。

拿今天亲自试的两个方法举例,以方便后人:

方法一:

1. 安装nltk,可以去pipy装

(注:需要依赖以下包:numpy, PyYAML)

2.测试代码:

复制代码 代码如下:
>>> import nltk
>>> aa = r'''''


Project: DeHTML

Description:

This small script is intended to allow conversion from HTML markup to
plain text.


'''
>>> aa
'\n\n \n Project: DeHTML
\n Description:
\n This small script is intended to allow conversion from HTML markup to \n plain text.\n \n \n '
>>> print nltk.clean_html(aa)
Project: DeHTML
Description :
This small script is intended to allow conversion from HTML markup to
plain text.

方法二:

如果觉得nltk太笨重,大材小用的话,可以自己写代码,代码如下:

复制代码 代码如下:
from HTMLParser import HTMLParser
from re import sub
from sys import stderr
from traceback import print_exc

class _DeHTMLParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.__text = []

def handle_data(self, data):
text = data.strip()
if len(text) > 0:
text = sub('[ \t\r\n]+', ' ', text)
self.__text.append(text + ' ')

def handle_starttag(self, tag, attrs):
if tag == 'p':
self.__text.append('\n\n')
elif tag == 'br':
self.__text.append('\n')

def handle_startendtag(self, tag, attrs):
if tag == 'br':
self.__text.append('\n\n')

def text(self):
return ''.join(self.__text).strip()


def dehtml(text):
try:
parser = _DeHTMLParser()
parser.feed(text)
parser.close()
return parser.text()
except:
print_exc(file=stderr)
return text


def main():
text = r'''''


Project: DeHTML

Description:

This small script is intended to allow conversion from HTML markup to
plain text.


'''
print(dehtml(text))


if __name__ == '__main__':
main()

运行结果:

>>> ================================ RESTART ================================
>>>
Project: DeHTML
Description :
This small script is intended to allow conversion from HTML markup to plain text.

希望本文所述对大家的Python程序设计有所帮助。

Python转换HTML到Text纯文本的方法

声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn核实处理。

相关文章

相关视频


网友评论

文明上网理性发言,请遵守 新闻评论服务协议

我要评论
  • Python转换HTML到Text纯文本的方法
  • 专题推荐

    作者信息
    Python转换HTML到Text纯文本的方法

    认证0级讲师

    推荐视频教程
  • Python转换HTML到Text纯文本的方法javascript初级视频教程
  • Python转换HTML到Text纯文本的方法jquery 基础视频教程
  • 视频教程分类