有没有一种方法可以使用 lxml.html 而不是具有一些 xss 问题的 beautifulsoup 来删除/转义 html 标签？我尝试使用清洁器，但我想删除所有 html。
请您参考如下方法:
尝试在元素上使用 .text_content() 方法，最好是在使用 lxml.html.clean 去除不需要的内容(脚本标签等... ).例如:
from lxml import html
from lxml.html.clean import clean_html
tree = html.parse('http://www.example.com')
tree = clean_html(tree)
text = tree.getroot().text_content()
