python去除html标签 保留br python 标签内容

xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。从结构上，很像HTML超文本标记语言。但他们被设计的目的是不同的，超文本标记语言被设计用来显示数据，其焦点是数据的外观。它被设计用来传输和存储数据，其焦点是数据的内容。那么Python是如何处理XML语言文件的呢?下面一起来看看Python常用内置模块之xml模块吧。

本文主要学习的ElementTree是python的XML处理模块，它提供了一个轻量级的对象模型。在使用ElementTree模块时，需要import

xml.etree.ElementTree的操作。ElementTree表示整个XML节点树，而Element表示节点数中的一个单独的节点。
构建XML文件
ElementTree(tag)，其中tag表示根节点，初始化一个ElementTree对象。
Element(tag, attrib={},
**extra)函数用来构造XML的一个根节点，其中tag表示根节点的名称，attrib是一个可选项，表示节点的属性。
SubElement(parent, tag, attrib={}, **extra)用来构造一个已经存在的节点的子节点
Element.text和SubElement.text表示element对象的额外的内容属性，Element.tag和Element.attrib分别表示element对象的标签和属性。
ElementTree.write(file, encoding='us-ascii', xml_declaration=None,
default_namespace=None, method='xml')，函数新建一个XML文件，并且将节点数数据写入XML文件中。
下面以新建一个网站的sitemap.xml文件为例进行代码示例。#!/usr/bin/env python
# coding:utf-8
from xml.etree import ElementTree as ET
def build_sitemap():
# 设置一个新节点，并设置其标签为urlset
urlset = ET.Element("urlset")
# 在urlset下新建两个子节点,设置其名称分别为sina和chinabyte
url = ET.SubElement(urlset, "url")
# 在url下新建四个子节点，设置其节点名称分别为loc、lastmod、changefreq、priority
loc = ET.SubElement(url, "loc")
loc.text = "https://www.noniu.com/"
lastmod = ET.SubElement(url, "lastmod")
lastmod.text = "2015-12-19"
changefreq = ET.SubElement(url, "changefreq")
changefreq.text = "daily"
priority = ET.SubElement(url, "priority")
priority.text = "1.0"
# 将节点数信息保存在ElementTree中，并且保存为XML格式文件
tree = ET.ElementTree(urlset)
tree.write("sitemap.xml")
if __name__ == '__main__':
build_sitemap()

结果如下图所示：

解析和修改XML文件

ElementTree.parse(source,
parser=None)，将xml文件加载并返回ElementTree对象。parser是一个可选的参数，如果为空，则默认使用标准的XMLParser解析器。
ElementTree.getroot()，得到根节点。返回根节点的element对象。
Element.remove(tag)，删除root下名称为tag的子节点
以下函数，ElementTree和Element的对象都包含。
find(match)，得到第一个匹配match的子节点，match可以是一个标签名称或者是路径。返回个element
findtext(match,default=None)，得到第一个配置的match的element的内容
findall(match)，得到匹配match下的所有的子节点，match可以是一个标签或者是路径，它会返回一个list，包含匹配的elements的信息
iter(tag)，创建一个以当前节点为根节点的iterator。
还是以上面创建的sitemap.xml为例，对其进行一定的修改，代码示例如下：#!/usr/bin/env python
# coding:utf-8
from xml.etree import ElementTree as ET
tree = ET.parse("sitemap.xml")
url = tree.find("url")
for rank in tree.iter('loc'):
rank.text = "https://www.noniu.com/jiaocheng/"
tree.write("sitemap.xml")

以上的代码将url修改为https://www.noniu.com/jiaocheng/了。另外，节点还有set（设置节点属性）、attrib（删除节点属性）方法。