rimuovere determinati attributi dai tag HTML

Question

Come rimuovere determinati attributi come ID, stile, classe, ecc. Dal codice HTML?

Ho pensato di poter utilizzare lo lxml.html.clean module, ma come è stato possibile rimuovere solo gli attributi di stile con Clean(style=True).clean_html(code). Preferirei non usare espressioni regolari per questa attività (gli attributi potrebbero cambiare).

Quello che vorrei avere:

from lxml.html.clean import Cleaner 

code = '<tr id="ctl00_Content_AdManagementPreview_DetailView_divNova" class="Extended" style="display: none;">' 

cleaner = Cleaner(style=True, id=True, class=True) 
cleaned = cleaner.clean_html(code) 

print cleaned 
'<tr>' 

Grazie in anticipo!

Answer 1

cleaner.Cleaner.__call__ ha un parametro safe_attrs_only. Se impostato su True, vengono conservati solo gli attributi in clean.defs.safe_attrs. È possibile rimuovere uno o tutti gli attributi modificando clean.defs.safe_attrs. Assicurati di cambiarlo quando hai finito.

import lxml.html.clean as clean 

code = '<tr id="ctl00_Content_AdManagementPreview_DetailView_divNova" class="Extended" style="display: none;">' 

safe_attrs = clean.defs.safe_attrs 
cleaner = clean.Cleaner(safe_attrs_only=True, safe_attrs=frozenset()) 
cleansed = cleaner.clean_html(code) 

print(cleansed) 

rendimenti

<tr></tr>