collective.soupstrainer 2.1

集合。Soupstrainer

经常需要从某些源代码中清理html，不管是用户 输入或数据收集的刮削，这需要清理。与 集体中的Soupstrainer类。Soupstrainer这很简单。它使用 美化outsoup4来解析和清理html。类的构造函数接受 四个论点。

除外条款

这是一个元组列表，每个元组有两个项。第一项是 标记名，第二项是属性列表。如果列表 属性为空，则第一个列表中的每个标记都是完全的 从传入的HTML中删除。如果标记列表为空，则每个 已完全删除列出的属性。如果同时有标签和 列出属性，则仅从匹配中移除属性 标签。

样式白名单

这是“style”属性中允许的css样式的白色列表。全部 其他样式将被删除。

U类黑名单

这是css类的黑名单。每个匹配的类都从 “类”属性。

分析器

这是beautifulsoup4使用的解析器，当使用 一根绳子。它必须是为美化组4安装的解析器，默认为 html.parser

soupstrainer类的实例可以直接用一个 争论。参数可以是字符串，在这种情况下 内部由beautifulsoup4解析，结果将是unicode（或 python 3中的字符串），或者它可以是由beautifulsoup4创建的解析html树， 在这种情况下，它将被就地修改并再次返回。

更改日志