python - 使用 Python 和 lxml 从 HTML 中删除类属性

Question

问题

如何使用 python 和 lxml 从 html 中删除类属性？

例子

我有:

<p class="DumbClass">Lorem ipsum dolor sit amet, consectetur adipisicing elit</p>

我要:

<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit</p>

到目前为止我尝试了什么

我已经 checkout lxml.html.clean.Cleaner但是，它没有去除类属性的方法。您可以设置 safe_attrs_only=True 但是，这不会删除类属性。

大量搜索没有找到任何可行的方法。我认为 class 用于 html 和 python 的事实进一步混淆了搜索结果。许多结果似乎也严格处理 xml。

我对其他提供人性化界面的 python 模块持开放态度。

非常感谢。

---

解决方案

感谢@Dan Roberts 在下面的回答，我想出了以下解决方案。呈现给 future 来到这里试图解决相同问题的人们。

import lxml.html

# Our html string we want to remove the class attribute from
html_string = '<p class="DumbClass">Lorem ipsum dolor sit amet, consectetur adipisicing elit</p>'

# Parse the html
html = lxml.html.fromstring(html_string)

# Print out our "Before"
print lxml.html.tostring(html)

# .xpath below gives us a list of all elements that have a class attribute
# xpath syntax explained:
# // = select all tags that match our expression regardless of location in doc
# * = match any tag
# [@class] = match all class attributes
for tag in html.xpath('//*[@class]'):
    # For each element with a class attribute, remove that class attribute
    tag.attrib.pop('class')

# Print out our "After"
print lxml.html.tostring(html)

Answer 1

目前我无法对此进行测试，但这似乎是一般的想法

for tag in node.xpath('//*[@class]'):
    tag.attrib.pop('class')