Python怎么去除html标签？用这三个就行了

Python中爬虫是应用最为广泛的程序，而爬虫抓取回来的数据很多都是直接将整个网页的数据包括HTML、CSS、JavaScript等一股脑的都带回来。那我们不想要这些标签，只想要HTML里面的文本内容要怎么呢？我们今天就带来python怎么去除html标签的三个方法，一起往下看看吧。

假设现在有一个html的块级标签是html = ＇<p>你今天过的好吗？</p>＇，只需要获取里面这个文字的内容。

一、正则表达式

在python的数据处理中，正则表达式无疑是适用性最强，可自己扩展性最高的那一个了，示例如下：

Import re    # 导入re模块
tern = re.compile(r'<[^>]+>',re.S)    # 匹配两个尖括号并将其作为一个整体
result = tren.sub(' ', html)    # 将html变量里匹配的全部替换成空

二、解析HTML树

在python中BeautifulSoup库是专门用来对html标签做解析、遍历、维护的功能库，使用它可以非常简单的获取html的内容，示例如下：

Import bs4 import BeautifulSoup
soup = BeautifulSoup(html,'html.parser')    # 对html进行解析
print(soup.get_text())    # 只获取html这个变量中的文本

三、节点处理

html的结构是自上而下、层级分明的一个个节点构成的，lxml的etree库就是用于对这种格式数据进行解析的，示例如下：

res = etree.HTML(text=html)
print(res.xpath('string(.)'))

以上就是python怎么去除html标签的三种方法了，希望对你有所帮助。