Bleach:Mozilla 出品,快速准确地清理 HTML
【导语】:Bleach 是 Mozilla 官方开发的 HTML 清理库,用 Python 实现。它使用简单,能够快速准确地清理文本中的 HTML 片段,还能提取出其中的链接,通过点击链接,你就能安全地查阅对应的内容。
简介
在日常的工作中,你是否碰到过带有 HTML 片段的内容,比如博客上的用户评论,或者商品的描述信息?在处理这些内容时,你是否因其中包含的无效标记,不完整标签以及不安全链接而困扰?如果你曾碰到过上述问题,那么 Bleach 库将会解决你的烦恼。
Bleach 是一个基于白名单的 HTML 清理库,可以转义或去除标记和属性。
简而言之,你可以自定义一个列表,其中包括允许存在的标签或属性,当接收到一部分 HTML 文本时,Bleach 能够把文本中的其他标签换码,并去除其他属性;另外,Bleach 还能安全地链接到文本,例如:你可以把一部分 HTML 文本中的所有 URL 转化为安全的 HTML 链接,同时你还能给这些链接自定义属性,还能删除某些不安全的链接。
项目地址:
https://github.com/mozilla/bleach
安装
用 pip 安装:
pip install bleach
使用简单
假设我们想清理一部分 HTML 中的 标签:
import bleach
result = bleach.clean(
"开源前哨",
tags=["b"]
)
print(result)
输出结果如下:<i>开源前哨</i>
假设我们想清理一部分 HTML 中的某个属性:
import bleach
result = bleach.clean(
'开源前哨
',
tags=['p'],
attributes=['style'],
styles=['color'],
)
print(result)
输出结果如下: 开源前哨
假设我们想提取链接,并加一个标题:
from bleach.linkifier import Linker
def set_title(attrs, new=False):
attrs[(None, 'title')] = '京东商城'
return attrs
linker = Linker(callbacks=[set_title])
result = linker.linkify('shopping https://www.jd.com Buy things.')
print(result)
输出结果如下:
shopping "https://www.jd.com/" title="京东商城">https://www.jd.com Buy things.
假设我们想删除某个链接:
from bleach.linkifier import Linker
def remove_link(attrs, new=False):
if attrs[(None, 'href')].startswith('https:'):
return None
return attrs
linker = Linker(callbacks=[remove_link])
result = linker.linkify('a website')
print(result)
输出结果如下:a website
Bleach 的简单介绍就到这里,更多内容详见该库的官方文档:https://bleach.readthedocs.io/
- EOF -
更多优秀开源项目(点击下方图片可跳转)
如果觉得本文介绍的开源项目不错,欢迎转发推荐给更多人。
分享、点赞和在看
支持我们分享更多优秀开源项目,谢谢!
评论