Làm cách nào để xóa thẻ HTML khỏi chuỗi trong gấu trúc?

Hướng dẫn này sẽ trình bày hai phương pháp khác nhau về cách một người có thể xóa các thẻ html khỏi một chuỗi, chẳng hạn như chuỗi mà chúng tôi đã truy xuất trong hướng dẫn trước của tôi về cách tìm nạp một trang web bằng Python

Phương pháp 1

Phương pháp này sẽ trình bày cách chúng ta có thể xóa thẻ html khỏi chuỗi bằng cách sử dụng chuỗi regex.  

import re

TAG_RE = re.compile(r'<[^>]+>')

def remove_tags(text):
    return TAG_RE.sub('', text)

Phương pháp 2

Đây là một phương pháp khác mà chúng ta có thể sử dụng để xóa các thẻ html bằng chức năng có trong thư viện Python Standard để không cần nhập bất kỳ

def remove_tags(text):
    ''.join(xml.etree.ElementTree.fromstring(text).itertext())

kết luận

Trong các hướng dẫn sắp tới, chúng ta sẽ học cách tính toán các số liệu seo quan trọng như mật độ từ khóa sẽ cho phép chúng ta thực hiện phân tích seo quan trọng của các trang web cạnh tranh để thử và hiểu họ đã đạt được thành công như thế nào

Các phương pháp để loại bỏ thẻ có thể được tìm thấy ở đây. http. // stackoverflow. com/câu hỏi/9662346/python-code-to-remove-html-tags-from-a-string

Tôi đang sử dụng thư viện gấu trúc trên Python 3. 5. 1. Làm cách nào để xóa thẻ html khỏi giá trị trường?

Mã của tôi trả về một lỗi

import pandas as pd

code=[1,2,3]
overview =['
Environments subject.
',
          '
 property ;
markets and exchange;
',
          '
']
# '
The subject.
']
df= pd.DataFrame(overview,code)

df.columns = ['overview']
df['overview_copy'] = df['overview']

# print(df)

tags_list = ['
' ,'
' , '
',
             '
','
',
             '
','
',
             '
',
             '','',
             '','',
             '','',
             '','']

for tag in tags_list:
#     df['overview_copy'] = df['overview_copy'].str.replace(tag, '')
  df['overview_copy'].replace(to_replace=tag, value='', regex=True, inplace=True)
print(df)

Trong hướng dẫn này, chúng ta sẽ tìm hiểu và áp dụng một số phương pháp để xóa các thẻ HTML khỏi chuỗi. Chúng tôi sẽ sử dụng biểu thức chính quy, BeautifulSoup và cây phần tử XML

Vì các thẻ HTML luôn chứa ký hiệu <>. Chúng tôi sẽ nhập mô-đun

#Python 3.x
String before cleaning: Delftstack
String after cleaning: Delftstack

#Python 3.x
String before cleaning: Delftstack
String after cleaning: Delftstack

Ở đây, mẫu

#Python 3.x
String before cleaning: Delftstack
String after cleaning: Delftstack

Phương thức

#Python 3.x
String before cleaning: Delftstack
String after cleaning: Delftstack

Mã ví dụ

#Python 3.x
import re
string='Delftstack'
print('String before cleaning:', string)
to_clean = re.compile('<.*?>')
cleantext = re.sub(to_clean, '', string)
print('String after cleaning:', cleantext)

đầu ra

#Python 3.x
String before cleaning: Delftstack
String after cleaning: Delftstack

BeautifulSoup là một thư viện Python để lấy dữ liệu từ HTML và XML. Nó sử dụng một trình phân tích cú pháp để phân tích cú pháp HTML và XML;

Chúng ta cần cài đặt cả hai trước khi tiếp tục, sử dụng các lệnh sau

#Python 3.x
pip install beautifulsoup4

#Python 3.x
pip install lxml

Chúng tôi đã nhập mô-đun BeautifulSoup và phân tích cú pháp chuỗi HTML đã cho trong đoạn mã sau. Chúng tôi đã truy cập văn bản từ HTML bằng thuộc tính

#Python 3.x
String before cleaning: Delftstack
String after cleaning: Delftstack

Mã ví dụ

#Python 3.x
from bs4 import BeautifulSoup
string='Delftstack'
print('String after cleaning:', string)
cleantext = BeautifulSoup(string, "lxml").text
print('String after cleaning:', cleantext)

đầu ra

#Python 3.x
String after cleaning: Delftstack
String after cleaning: Delftstack

ElementTree là một thư viện phân tích cú pháp và điều hướng thông qua XML. Phương thức

#Python 3.x
String before cleaning: Delftstack
String after cleaning: Delftstack

#Python 3.x
pip install beautifulsoup4

#Python 3.x
pip install beautifulsoup4

Làm cách nào để xóa thẻ HTML khỏi chuỗi trong gấu trúc Python?

Làm cách nào để xóa HTML khỏi chuỗi trong Python?

Làm cách nào để xóa HTML khỏi chuỗi?

Làm cách nào để xóa thẻ HTML khỏi chuỗi regex?