어떻게 파이썬에서 마크 업없이 HTML을 텍스트로 변환 할 수 있습니까?

Question

<br> 요소를 개행 문자로 사용하면서 HTML 문서에서 일반 텍스트를 가져와야합니다. BeautifulSoup.text은 <br>과 개행을 처리하지 않습니다. HTML2Text는 꽤 좋지만 markdown으로 변환됩니다. 어떻게 내가 이것에 접근 할 수 있니?

Answer 1

나는 다음과 같은 방법을 사용할 것을 좋아합니다. 새 줄을 기리기 위해 strip_tags(html)에 전달하기 전에 문자열에 수동 .replace('<br>','\r\n')을 입력 할 수 있습니다. this question에서

:

from HTMLParser import HTMLParser 

class MLStripper(HTMLParser): 
    def __init__(self): 
     self.reset() 
     self.fed = [] 
    def handle_data(self, d): 
     self.fed.append(d) 
    def get_data(self): 
     return ''.join(self.fed) 

def strip_tags(html): 
    s = MLStripper() 
    s.feed(html) 
    return s.get_data() 

Answer 2

당신은 태그를 제거하고 (필요한 경우) 공백으로 대체 할 수

import re 

myString = re.sub(r"<(/)?br(/)?>", "\n", myString) 
myString = re.sub(r"<[^>]*>", " ", myString)