如何清理爬虫数据中一些不需要的 HTML 属性

[jayan2358]

比如对于以下数据

<p id="a">data</p>

我只想保留

<p>data</p>

该如何操作，有快捷的方法吗？

[xgzxy]

用 text()提取出文本吧，就能取出 data 了吧

[sheep3]

直接正则 replaceAll("<\S+\s(.*?)>","")
唔..... 大概有这种语法吧.....

[Daniel65536]

lxml.html.clean

[hanxiV2EX]

二楼的正则可以搞定吧

[woscaizi]

Xpath 语法可解

[rayhy]

https://stackoverflow.com/questions/10037289/remove-class-attribute-from-html-using-python-and-lxml

[jayan2358]

@woscaizi
/text() 吗，我还是要保留 html 标签的，毕竟内容里有 img

[Luckyray]

为什么要保留 html 文件？保存下来想要的数据不行吗

[qsnow6]

都让开，看我这个贴： https://www.v2ex.com/t/342064#reply12

[soulmine]

@jayan2358 你要 img 直接 attr 取嘛 和你 text 不矛盾啊