-
Python
转换
HTML
到
Text
纯文本的方法
本文实例讲述了
Python
转换
HTML
到
Te
xt
纯文本的方
法。分享给大家供大家参考。具体分析如下：<
/p>
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<
/p>
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'''''
<html>
<body>
<b>Project:</b>
DeHTML<br>
<b>Description</b>:<br>
This small
script is intended to allow conversion from HTML
markup to
plain text.
</body>
</html>
'''
>>> aa
'n<html>n
<body>n
<b>Project:</b>
DeHTML<br>n
<b>Description</b&
gt;:<br>n
This small script is
intended to allow conversion from HTML
markup to n
plain text.n
</body>n
</html>n
'
>>> <strong>print
_html(aa)</strong>
Project: DeHTML
Description :
This small script is
intended to allow conversion from
HTML
markup to
plain text.
方法二：
如果觉得
< br>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 = ()
if len(text) > 0:
text = sub('[ trn]+', ' ',
text)
self.__(text + ' ')
def handle_starttag(self, tag, attrs):
if tag == 'p':
self.__('nn')
elif tag ==
'br':
self.__('n')
-
-
-
-
-
-
-
-
-
上一篇：十二生肖、天干地支顺序及速算法
下一篇：2007重型机械通用技术条件