Python 除了 BS4，还有其他能精简 html 代码的库吗？

[omg21]

《 span lang="EN-US" style="font-size: 16pt;"》天空《/span 》《 p class="MsoNormal" style="text-indent:28.0pt;mso-char-indent-count:2.0;line-height:20.0pt;mso-line-height-rule:exactly"》

我想把类似上面这样的 html 代码（为了方便发布，我把尖括号换成了《》）精简下，精简成下面这样：

《 span 》天空《/span 》《 p style="text-indent:28.0pt;line-height:20.0pt;"》

能看出，我把《 span 》中的 lang 和字号属性删掉了，把《 p 》中 style 属性里的首行缩进和行高留了下来，删除了其他的。 我想知道除了 BS4，其他还有能处理我这个需求的库吗？ BS4 能处理 lang、class 这样的属性，但是 style 里面的属性没法处理。

[7sDream]

BS 可以获取到 inline style 的，用 element['style'] 就行，不过如果如果你是要把 style 当作一个 dict 这种来处理 BS 好像确实没有自带。

不过你可以把 style string 喂给一个 CSS parser，然后按要求处理完再写回去，这样应该可以吧。

Python 的 CSS parser 应该有很多吧……

[KgM4gLtF0shViDH3]

pyquery

[lxml]

只针对这个例子，我同意一楼的，我印象中似乎找不到能单独处理某个属性中的某个子属性，把 style 拎出来，按照";"分割成 dict，自己写个函数再拼装回去，text-indent line-heigh，不是很优雅，但好像没有什么更好的解决方案的，我已知的库最小处理单元就是属性本身了。

[dsg001]

lxml，w3lib 这两个可以处理一部分，style 需要自己写处理器

[omg21]

@7sDream
@lxml
@dsg001
看来只能自己再写函数了，其实我觉得过渡依赖 bs4 也不是好事，就怕以后升级某些功能被修改了更麻烦。

[aljun]

@7sDream 好久不见 7s。。。

[anuan]

不太理解这个需求 如果只是几个标签的解个 css 需要保留 其他的属性都删除 直接用正则比较好

[mseasons]

lxml?

[justtery]

pyquery 滑稽

[omg21]

@anuan 最麻烦的地方在 style 里，比如有一些表格的 style 里会有表格线是需要保留的，但同时还有一些像字体字号之类的需要删除的。用正则不太好做。

[7sDream]

@aljun 倒是真的好久没上 V2 了……