我有这个代码:
evil = "<script>malignus script</script><b>bold text</b><i>italic text</i>"
cleaner = Cleaner(remove_unknown_tags=False, allow_tags=['p', 'br', 'b'],
page_structure=True)
print cleaner.clean_html(evil)
我希望得到这个:
^{pr2}$但我得到的却是:
<div><b>bold text</b>italic text</div>
是否有属性可以删除div
标记包装?在
lxml希望html具有树结构,即单个根节点。如果没有,它会添加它。在
Cleaner总是将结果包装在一个元素中。一个好的解决方案是手动解析HTML并将生成的document对象发送到cleaner—那么结果也是一个document对象,您可以使用text_content从根中提取文本。在
这也可以作为one liner完成
相关问题 更多 >
编程相关推荐