Possible en double:
Strip html from strings in pythonComment supprimer des textes dans les balises html en python?
Tout en faisant un petit navigateur comme l'application, je suis face au problème de spliting les différentes balises. Considérons la chaîne
<html> <h1> good morning </h1> welcome </html>
J'ai besoin la sortie suivante: [ 'bonjour', 'bienvenue']
Comment puis-je faire cela en python?
Vous pouvez utiliser un des analyseurs html/xml de python.
Belle soupe est populaire. lmxl est populaire aussi.
ci-dessus sont pacakges tiers, vous pouvez utiliser la bibliothèque standard trop
J'utiliser xml.etree.ElementTree:
def get_text(etree):
for child in etree:
if child.text:
yield child.text
if child.tail:
yield child.tail
import xml.etree.ElementTree as ET
root = ET.fromstring('<html> <h1> good morning </h1> welcome </html>')
print list(get_text(root))
J'utiliser la bibliothèque python Beautiful Soup pour atteindre votre objectif. C'est juste un couple de lignes avec son aide:
from bs4 import BeautifulSoup
soup = BeautifulSoup('<html> <h1> good morning </h1> welcome </html>')
print [text for text in soup.stripped_strings]