问答博客资讯标签用户活动
logo极客观点logo项目管理logoHarmonyOS
开发者社区
javascript
前端
python
node.js
react
vue.js
php
laravel
go
人工智能
mysql
linux
ios
java
android
css
typescript
spring
程序员
logoONES 研发管理logo思否企业问答logo安谋科技 XPU

如果字符串包含html代码，如何用python检测？

社区维基
1
新手上路，请多包涵

如何检测字符串是否包含 html（可以是 html4、html5，只是文本中的部分 html）？我不需要 HTML 版本，而是字符串是否只是文本或包含 html。文本通常是多行的，也有空行

更新：

示例输入：

HTML:

 <head><title>I'm title</title></head>
Hello, <b>world</b>

非 HTML：

 <ht fldf d><
<html><head> head <body></body> html

原文由 static 发布，翻译遵循 CC BY-SA 4.0 许可协议

Stack Overflow 翻译pythonhtmlparsingdetect
阅读 965
1 个回答
得票最新
社区维基
1

您可以使用 HTML 解析器，例如 BeautifulSoup 。请注意，它确实尽力解析 HTML，甚至是损坏的 HTML，根据 底层解析器 的不同，它可能非常宽松也可能不太宽松：

 >>> from bs4 import BeautifulSoup
>>> html = """<html>
... <head><title>I'm title</title></head>
... </html>"""
>>> non_html = "This is not an html"
>>> bool(BeautifulSoup(html, "html.parser").find())
True
>>> bool(BeautifulSoup(non_html, "html.parser").find())
False

这基本上是试图在字符串中找到任何 html 元素。如果找到 - 结果是 True 。

另一个带有 HTML 片段的例子：

 >>> html = "Hello, <b>world</b>"
>>> bool(BeautifulSoup(html, "html.parser").find())
True

或者，您可以使用 lxml.html ：

 >>> import lxml.html
>>> html = 'Hello, <b>world</b>'
>>> non_html = "<ht fldf d><"
>>> lxml.html.fromstring(html).find('.//*') is not None
True
>>> lxml.html.fromstring(non_html).find('.//*') is not None
False

原文由 alecxe 发布，翻译遵循 CC BY-SA 3.0 许可协议

撰写回答
你尚未登录，登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进，让解决方法与时俱进
推荐问题