python 将网页标签去掉代码

使用lxml即可。


安装方法,下载exe,直接安装。

lxml-3.2.4.win-amd64-py2.7  

http://download.csdn.net/detail/lijin6249/9601607

上代码:

from lxml import etree,html
import sys


reload(sys)
sys.setdefaultencoding( "utf-8" )


path = "1.html"
content = open(path,"rb").read()
page = html.document_fromstring(content) 
text = page.text_content()
print text.encode('gbk', 'ignore')



注意转码问题。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值