python提取p标签的文本_python 过滤去掉 html 中的 tag 标签并提取文本内容的几种方法...

python 中，如果想从带有 html 中的富文本内容中，提取文本有很多种方法。

html2text(推荐)

html2text 顾名思义就是为了这种场景而设计的，它会去掉标签只保留文本信息。相关信息网址：https://pypi.org/project/html2text/

通过 pip 命令进行安装，命令如下：

pip3 install html2text

使用更加简便，直接调用 html2text 函数即可，示例如下：

import html2text

txt = html2text.html2text('

坚持就是胜利

')

print(type(txt))

print(txt)

返回 str 类型的纯文本信息。

BeautifulSoup

安装命令如下：

pip install beautifulsoup4

具体使用示例如下：

from bs4 import BeautifulSoup

html = '

坚持就是胜利

'

soup = BeautifulSoup(html, 'html.parser')

txt = soup.get_text()

print(type(txt))

print(txt)

lxml

也可以使用 lxml 库，它支持 HTML 和 XML 的解析，支持 XPath 解析方式，而且解析效率非常高。

import lxml.html

html = '

坚持就是胜利

'

string = lxml.html.document_fromstring(html)

print(type(string))

raw_text = string.text_content()

print(type(raw_text))

print(raw_text)