python対htmlフィルタ処理の方法
以下の通りです
## HTML
# HTML
#@param htmlstr HTML .
def filter_tags(htmlstr):
# CDATA
re_cdata=re.compile('//<!\[CDATA\[[^>]*//\]\]>',re.I) # CDATA
re_script=re.compile('<\s*script[^>]*>[^<]*<\s*/\s*script\s*>',re.I)#Script
re_style=re.compile('<\s*style[^>]*>[^<]*<\s*/\s*style\s*>',re.I)#style
re_br=re.compile('<br\s*?/?>')#
re_h=re.compile('</?\w+[^>]*>')#HTML
re_comment=re.compile('<!--[^>]*-->')#HTML
re_stopwords=re.compile('\u3000')# '\u3000'
s=re_cdata.sub('',htmlstr)# CDATA
s=re_script.sub('',s) # SCRIPT
s=re_style.sub('',s)# style
s=re_br.sub('
',s)# br
s=re_h.sub('',s) # HTML
s=re_comment.sub('',s)# HTML
s=re_stopwords.sub('',s)
#
blank_line=re.compile('
+')
s=blank_line.sub('
',s)
s=replaceCharEntity(s)#
return s
## HTML .
# HTML .
# CHAR_ENTITIES , HTML .
#@param htmlstr HTML .
def replaceCharEntity(htmlstr):
CHAR_ENTITIES={'nbsp':' ','160':' ',
'lt':'<','60':'<',
'gt':'>','62':'>',
'amp':'&','38':'&',
'quot':'"','34':'"',}
re_charEntity=re.compile(r'&#?(?P<name>\w+);')
sz=re_charEntity.search(htmlstr)
while sz:
entity=sz.group()#entity , >
key=sz.group('name')# &; entity, > gt
try:
htmlstr=re_charEntity.sub(CHAR_ENTITIES[key],htmlstr,1)
sz=re_charEntity.search(htmlstr)
except KeyError:
#
htmlstr=re_charEntity.sub('',htmlstr,1)
sz=re_charEntity.search(htmlstr)
return htmlstr
以上のpythonはhtmlフィルタ処理の方法は小编で皆さんに全部の内容を共有しました。参考にしていただければと思います。どうぞよろしくお愿いします。