python_爬虫_str类型的html文本去标签

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# from HTMLParser import HTMLParser
from html.parser import HTMLParser # 将字符串格式的html文本转成html
 
class MyHTMLParser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.data = []
    def handle_startendtag(self, tag, attrs):
        pass
    def handle_endtag(self, tag):
        pass
    def handle_data(self, data):
        if data.count('\n') == 0:
            self.data.append(data)
 
if __name__ == '__main__':
    parser = MyHTMLParser()
    for i in conn(): # 获取文章
        content = i[0]
        parser.feed(content)        parser.data # 通过这个可以获取去标签后的内容列表

参考:https://www.cnblogs.com/AlwinXu/p/5492033.html

posted @   贺健龙  阅读(2231)  评论(0编辑  收藏  举报
编辑推荐:
· 智能桌面机器人:用.NET IoT库控制舵机并多方法播放表情
· Linux glibc自带哈希表的用例及性能测试
· 深入理解 Mybatis 分库分表执行原理
· 如何打造一个高并发系统?
· .NET Core GC压缩(compact_phase)底层原理浅谈
阅读排行:
· DeepSeek火爆全网,官网宕机?本地部署一个随便玩「LLM探索」
· 开发者新选择:用DeepSeek实现Cursor级智能编程的免费方案
· 【译】.NET 升级助手现在支持升级到集中式包管理
· 独立开发经验谈:如何通过 Docker 让潜在客户快速体验你的系统
· Tinyfox 发生重大改版
点击右上角即可分享
微信分享提示