带HTML标签 - 在Python

Question

符号我使用下面的Python中剥离HTML标签，但它也消除&（号），我需要他们留下来。有任何想法吗？

从HTMLParser的进口HTMLParser的

class MLStripper(HTMLParser): 
    def __init__(self): 
     self.reset() 
     self.fed = [] 
    def handle_data(self, d): 
     self.fed.append(d) 
    def get_data(self): 
     return ''.join(self.fed) 

def strip_tags(html): 
    s = MLStripper() 
    s.feed(html) 
    return s.get_data() 

（也，代码块不配合，请想象一下在最后三个行缩进）

Answer 1

正则表达式替换听起来像一个简单的方法来做到这一点。

import re 
text = '<b>foo&bar <a href="http://www.example.com/">link</a></b>' 
re.sub(r'<.+?>', '', text) 
# foo&bar link 

可能有一些特殊情况，我没有想过哪些需要更复杂的正则表达式。