python 如何过滤所有html标签的属性除img a标签的href属性

python 如何过滤所有html标签的属性除img a标签的href属性

你可以使用Python中的正则表达式来删除HTML标签中的属性，但考虑到HTML的复杂性，更推荐使用HTML解析库（如Beautiful Soup）来处理。以下是使用正则表达式和Beautiful Soup两种方法分别实现的示例：

使用正则表达式（不推荐，可能不够稳定）：

import re

def remove_attributes_except_src_and_href(html_text):
    # 使用正则表达式匹配HTML标签中的属性，但保留img的src和a标签的href属性
    cleaned_html = re.sub(r'<(?!img|a)([^>]+)>', r'<\1>', html_text)
    
    return cleaned_html

# 原始的HTML文本
html_content = '<p style="color: red;">This is a <a href="https://example.com">link</a>.</p> <img src="image.jpg" alt="Image">'

# 删除标签中的属性（除img的src和a标签的href属性）后的HTML文本
filtered_html = remove_attributes_except_src_and_href(html_content)
print(filtered_html) 

from bs4 import BeautifulSoup

def remove_attributes_except_src_and_href(html_text):
    soup = BeautifulSoup(html_text, 'html.parser')
    
    # 遍历所有标签
    for tag in soup.find_all():
        if tag.name != 'img' and tag.name != 'a':
            tag.attrs = {}
    
    return str(soup)

# 原始的HTML文本
html_content = '<p style="color: red;">This is a <a href="https://example.com">link</a>.</p> <img src="image.jpg" alt="Image">'

# 删除标签中的属性（除img的src和a标签的href属性）后的HTML文本
filtered_html = remove_attributes_except_src_and_href(html_content)
print(filtered_html)