清理和标准化HTML。
项目描述
清理和标准化HTML。保留嵌入内容（例如Twitter、Instagram等）
快速开始
安装
使用pip安装库
pip install clear-html
使用
使用lxml的示例用法
from lxml.html import fromstring
from clear_html import clean_node, cleaned_node_to_html
html="""
<div style="color:blue" id="main_content">
Some text to be
<div>cleaned up!</div>
</div>
"""
node = fromstring(html)
cleaned_node = clean_node(node)
cleaned_html = cleaned_node_to_html(cleaned_node)
print(cleaned_html)使用Parsel的示例用法
from parsel import Selector
from clear_html import clean_node, cleaned_node_to_html
selector = Selector(text="""<html>
<body>
<h1>Hello!</h1>
<div style="color:blue" id="main_content">
Some text to be
<div>cleaned up!</div>
</div>
</body>
</html>""")
selector = selector.css("#main_content")
cleaned_node = clean_node(selector[0].root)
cleaned_html = cleaned_node_to_html(cleaned_node)
print(cleaned_html)上述两种不同方法都会打印以下内容
<article>
<p>Some text to be</p>
<p>cleaned up!</p>
</article>其他有趣的功能
cleaned_node_to_text：将清理后的节点转换为纯文本
formatted_text.clean_doc：低级方法，用于控制清理的更多方面
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
源代码发行版
clear_html-0.4.1.tar.gz (23.9 kB 查看哈希值)
构建分发版
clear_html-0.4.1-py3-none-any.whl (24.7 kB 查看哈希值)