Python 有没有好的 html 格式库

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 2180 天前的主题，其中的信息可能已经有所发展或是发生改变。

网上搜了一圈没有找到合适，做下伸手党。爬虫得到的是 html 内容，带大量各类标签及 css，id 等 attr 内容，想通过一个库之间输出干净的 html 只保留简单的 p br img 等标签，谢谢大家

第 1 条附言 · 2019-01-03 12:51:37 +08:00

自己找了个，看看是否适应 bleach：一个基于白名单的 HTML 清理和文本链接库

HTML

格式库

标签

img

14 条回复 • 2019-01-03 18:09:38 +08:00

fan2006

2019-01-03 11:38:05 +08:00

用过 lxml 和 beautifulsoup4.

boom7

2019-01-03 11:38:38 +08:00

lxml.html.clean 试一下?

JackeyGao

2019-01-03 11:49:02 +08:00

不确定这个可以不可以，试试看吧。 https://github.com/kennethreitz/requests-html

lihongjie0209

2019-01-03 11:51:24 +08:00

不就是 dom 树的变量

lihongjie0209

2019-01-03 11:53:55 +08:00

变量 -> 遍历

ivechan

2019-01-03 12:30:35 +08:00

https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html#id9

poorcai

2019-01-03 12:34:52 +08:00 via iPhone

搭车问小程序中有没有好用的？搜了下只有 wxParse ？而且得不到有用的信息

villivateur

2019-01-03 12:56:27 +08:00 via Android

Beautiful Soup

tabris17

2019-01-03 12:59:41 +08:00

就说一个，pyquery 有坑，其他如何不清楚

Huelse

2019-01-03 13:05:48 +08:00

beautifulsoup4 容易点

huluhulu

2019-01-03 13:09:32 +08:00 via iPhone

Beautiful Soup 很好用

WeaponXu

2019-01-03 16:57:07 +08:00

bs4 啊

heiybb

2019-01-03 17:05:04 +08:00 via Android

居然没人说 pyquery 嘛

Olorin

2019-01-03 18:09:38 +08:00

beautifulsoup4