Python的HTML清洁器/洗涤器/过滤器

问题描述

我正在寻找一个模块，用于删除字符串中的任何HTML标签，这些标签在白名单中找不到。

I'm looking for a module that will remove any HTML tags from a string that are not found in a whitelist.

推荐答案

BeautifulSoup ：

from bs4 import BeautifulSoup

VALID_TAGS = ['strong', 'em', 'p', 'ul', 'li', 'br']

def sanitize_html(value):

    soup = BeautifulSoup(value)

    for tag in soup.findAll(True):
        if tag.name not in VALID_TAGS:
            tag.hidden = True

    return soup.renderContents()

如果您还想删除无效标签的内容，请将 tag.extract（）替换为 tag.hidden 。

If you want to remove the contents of the invalid tags as well, substitute tag.extract() for tag.hidden.

您也可以使用和。

这篇关于Python的HTML清洁器/洗涤器/过滤器的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！