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

题

如何使用python和lxml从html中删除类属性？

例

我有：

Lorem ipsum dolor sit amet, consectetur adipisicing elit

我想要：

Lorem ipsum dolor sit amet, consectetur adipisicing elit

到目前为止我已经尝试过

但是,我已经签出了lxml.html.clean.Cleaner,它没有一种剥离类属性的方法.您可以设置safe_attrs_only = True,但是不会删除该类属性.

重要的搜索已经变得没有任何可行性.我认为类在html和python中都使用了进一步的泥泞搜索结果.许多结果也似乎严格地处理xml.

我对其他提供人性化界面的python模块也是开放的.

非常感谢.

解

感谢@Dan Roberts的回答,我想出了以下解决方案.提供给将来试图解决同样问题的人们到达这里的人.

import lxml.html

# Our html string we want to remove the class attribute from

html_string = '

Lorem ipsum dolor sit amet, consectetur adipisicing elit

'

# 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)