本文实例讲述了python转换html到text纯文本的方法。分享给大家供大家参考。具体分析如下：
今天项目需要将html转换为纯文本，去网上搜了一下，发现python果然是神通广大，无所不能，方法是五花八门。
拿今天亲自试的两个方法举例，以方便后人：
方法一：
1. 安装nltk，可以去pipy装
（注：需要依赖以下包：numpy, pyyaml）
2.测试代码：
复制代码 代码如下:>>> import nltk 
>>> aa = r'''''
project: dehtml
description:
this small script is intended to allow conversion from html markup to 
 plain text.
'''
>>> aa 
'\n\n            \n                project: dehtml
\n                description:
\n                this small script is intended to allow conversion from html markup to \n                plain text.\n            \n        \n        ' 
>>> print nltk.clean_html(aa) 
project: dehtml  
     description :  
    this small script is intended to allow conversion from html markup to  
    plain text.方法二：
如果觉得nltk太笨重，大材小用的话，可以自己写代码，代码如下:
复制代码 代码如下:from htmlparser import htmlparser 
from re import sub 
from sys import stderr 
from traceback import print_exc
class _dehtmlparser(htmlparser): 
    def __init__(self): 
        htmlparser.__init__(self) 
        self.__text = []
def handle_data(self, data): 
        text = data.strip() 
        if len(text) > 0: 
            text = sub('[ \t\r\n]+', ' ', text) 
            self.__text.append(text + ' ')
def handle_starttag(self, tag, attrs): 
        if tag == 'p': 
            self.__text.append('\n\n') 
        elif tag == 'br': 
            self.__text.append('\n')
def handle_startendtag(self, tag, attrs): 
        if tag == 'br': 
            self.__text.append('\n\n')
def text(self): 
        return ''.join(self.__text).strip()
def dehtml(text): 
    try: 
        parser = _dehtmlparser() 
        parser.feed(text) 
        parser.close() 
        return parser.text() 
    except: 
        print_exc(file=stderr) 
        return text
def main(): 
    text = r'''''
project: dehtml
description:
this small script is intended to allow conversion from html markup to 
                plain text.
''' 
    print(dehtml(text))
if __name__ == '__main__': 
    main()运行结果：
>>> ================================ restart ================================ 
>>>  
project: dehtml  
description :  
this small script is intended to allow conversion from html markup to plain text. 
希望本文所述对大家的python程序设计有所帮助。