V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member Sign In
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 2682 days ago, the information mentioned may be changed or developed.
网上搜了一圈没有找到合适，做下伸手党。 爬虫得到的是 html 内容，带大量各类标签及 css，id 等 attr 内容， 想通过一个库之间输出干净的 html 只保留简单的 p br img 等标签，谢谢大家
Supplement 1 · Jan 3, 2019
自己找了个，看看是否适应 bleach：一个基于白名单的 HTML 清理和文本链接库
 |
1
fan2006 Jan 3, 2019
用过 lxml 和 beautifulsoup4.
|
 |
2
boom7 Jan 3, 2019
lxml.html.clean 试一下?
|
 |
3
JackeyGao Jan 3, 2019
不确定这个可以不可以， 试试看吧。 https://github.com/kennethreitz/requests-html
|
 |
4
lihongjie0209 Jan 3, 2019
不就是 dom 树的 变量
|
|
5
lihongjie0209 Jan 3, 2019
变量 -> 遍历
|
 |
7
poorcai Jan 3, 2019 via iPhone
搭车问 小程序 中有没有好用的？搜了下只有 wxParse ？而且得不到有用的信息
|
 |
8
villivateur Jan 3, 2019 via Android
Beautiful Soup
|
 |
9
tabris17 Jan 3, 2019
就说一个，pyquery 有坑，其他如何不清楚
|
 |
10
Huelse Jan 3, 2019
beautifulsoup4 容易点
|
 |
11
huluhulu Jan 3, 2019 via iPhone
Beautiful Soup 很好用
|
 |
12
WeaponXu Jan 3, 2019
bs4 啊
|
 |
13
heiybb Jan 3, 2019 via Android
居然没人说 pyquery 嘛
|
 |
14
Olorin Jan 3, 2019
beautifulsoup4
|
Select Language