Python – Chuyển đổi ký tự HTML thành chuỗi
Cải thiện bài viết
Lưu bài viết
Thích bài viết
- Cập nhật lần cuối. 08/12/2020
Cải thiện bài viết
Lưu bài viết
điều kiện tiên quyết. mô-đun html
Cho một chuỗi có các ký tự HTML, nhiệm vụ là chuyển đổi các ký tự HTML thành một chuỗi. Điều này có thể đạt được với sự trợ giúp của html. phương thức escape[] [dành cho Python 3. 4+], chúng ta có thể chuyển đổi chuỗi ASCII thành tập lệnh HTML bằng cách thay thế các ký tự ASCII bằng các ký tự đặc biệt bằng cách sử dụng html. phương thức escape[] .
Bằng phương pháp này, chúng ta có thể giải mã các thực thể HTML thành văn bản
cú pháp
html.unescape[String]
Chúng tôi cũng có thể sử dụng Beautiful Soup để xử lý chuyển đổi thực thể. Trong Beautiful Soup 4, các thực thể được giải mã tự động.
ví dụ 1. Trăn 3. 6+
Python3
# import html
import html
# Create Text
text=
import re
TAG_RE = re.compile[r']+>']
def remove_tags[text]:
return TAG_RE.sub['', text]
# import html0
# import html1# import html2
# import html4
# import html1# import html6
đầu ra
Γeeks for Γeeks
Γeeks for Γeeks
ví dụ 2. Trăn 2. 6-3. 3
Chúng ta có thể sử dụng HTMLParser. unescape[] từ thư viện chuẩn
- Đối với Trăn 2. 6-2. 7 nó nằm trong HtmlParser
- Đối với Python 3, nó ở dạng html. trình phân tích cú pháp
Python3
# import html7
import html
import1import2
import3import4
import3import6 import7import import7
html0 html1
import3html3
import3import6 html6______4 import7
0
1= html6
# import html1 5
import re
TAG_RE = re.compile[r']+>']
def remove_tags[text]:
return TAG_RE.sub['', text]
7đầu ra
Γeeks for Γeeks
Ghi chú cá nhân của tôi arrow_drop_up
Tiết kiệm
Vui lòng Đăng nhập để nhận xét.
Hướng dẫn này sẽ trình bày hai phương pháp khác nhau về cách một người có thể xóa các thẻ html khỏi một chuỗi, chẳng hạn như chuỗi mà chúng tôi đã truy xuất trong hướng dẫn trước của tôi về cách tìm nạp một trang web bằng Python
Phương pháp 1
Phương pháp này sẽ trình bày cách chúng ta có thể xóa thẻ html khỏi chuỗi bằng cách sử dụng chuỗi regex.
import re
TAG_RE = re.compile[r']+>']
def remove_tags[text]:
return TAG_RE.sub['', text]
Phương pháp 2
Đây là một phương pháp khác mà chúng ta có thể sử dụng để xóa các thẻ html bằng chức năng có trong thư viện Python Standard để không cần nhập bất kỳ
def remove_tags[text]:
''.join[xml.etree.ElementTree.fromstring[text].itertext[]]
kết luận
Trong các hướng dẫn sắp tới, chúng ta sẽ học cách tính toán các số liệu seo quan trọng như mật độ từ khóa sẽ cho phép chúng ta thực hiện phân tích seo quan trọng của các trang web cạnh tranh để thử và hiểu họ đã đạt được thành công như thế nào
Các phương pháp để loại bỏ thẻ có thể được tìm thấy ở đây. http. // stackoverflow. com/câu hỏi/9662346/python-code-to-remove-html-tags-from-a-string
Đôi khi, khi chúng tôi cố gắng lưu trữ một chuỗi trong cơ sở dữ liệu, nó sẽ được lưu trữ cùng với các thẻ HTML. Tuy nhiên, một số trang web nhất định cần hiển thị chuỗi ở định dạng thô mà không có bất kỳ thẻ HTML nào từ cơ sở dữ liệu. Vì vậy, trong hướng dẫn này, chúng ta sẽ tìm hiểu các phương pháp khác nhau về cách xóa thẻ HTML khỏi chuỗi trong Python
Xóa thẻ HTML khỏi chuỗi bằng regex trong Python
Biểu thức chính quy là sự kết hợp của các ký tự sẽ đại diện cho một mẫu tìm kiếm. Trong mô-đun regex của python, chúng tôi sử dụng hàm sub[], hàm này sẽ thay thế chuỗi khớp với một mẫu được chỉ định bằng một chuỗi khác. Mã để xóa chuỗi HTML khỏi chuỗi mà không sử dụng mô-đun XML được đề cập bên dưới. XML là ngôn ngữ đánh dấu được sử dụng để lưu trữ và vận chuyển một lượng lớn dữ liệu hoặc thông tin. Python có một số mô-đun dựng sẵn có thể giúp chúng tôi phân tích cú pháp các tài liệu XML. Các tài liệu XML có các đơn vị riêng lẻ được gọi là các phần tử được xác định trong thẻ mở và thẻ đóng[]. Bất cứ thứ gì nằm giữa thẻ mở và thẻ đóng là nội dung của phần tử. Một phần tử có thể bao gồm nhiều phần tử con gọi là phần tử con. Sử dụng module ElementTree trong python chúng ta có thể dễ dàng thao tác với các tài liệu XML này