python之去除 AppEngine Python Env 中的 HTML 标签(相当于 Ruby 的 Sanitize)

我正在寻找一个 python 模块，它可以帮助我摆脱 HTML 标签但保留文本值。我之前尝试过 BeautifulSoup，但我不知道如何完成这个简单的任务。我尝试搜索可以执行此操作的 Python 模块，但它们似乎都依赖于其他在 AppEngine 上运行不佳的库。

下面是来自 Ruby 的 sanitize 库的示例代码，这就是我在 Python 中所追求的:

require 'rubygems' 
require 'sanitize' 
 
html = '<b><a href="http://foo.com/">foo</a></b><img src="http://foo.com/bar.jpg" />' 
 
Sanitize.clean(html) # => 'foo' 

感谢您的建议。

-e

请您参考如下方法:

>>> import BeautifulSoup 
>>> html = '<b><a href="http://foo.com/">foo</a></b><img src="http://foo.com/bar.jpg" />' 
>>> bs = BeautifulSoup.BeautifulSoup(html)   
>>> bs.findAll(text=True) 
[u'foo'] 

这为您提供了一个 (Unicode) 字符串列表。如果您想将其变成单个字符串，请使用 ''.join(thatlist)。