blocks|key|4814867|text|如果超文本标记语言也是一个格式良好的XML文档(这可以通过像这样的工具在预传递中完成)，则执行以下转换：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4814868|<xsl:stylesheet+version="1.0"
+xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
+<xsl:output+omit-xml-declaration="yes"+indent="yes"/>

+<xsl:template+match="node()%7C@*">
++<xsl:copy>
+++<xsl:apply-templates+select="node()%7C@*"/>
++</xsl:copy>
+</xsl:template>

+<xsl:template+match="*[not(normalize-space(.))]"/>
</xsl:stylesheet>|code-block|syntax|javascript|4814869|当应用于任何这样的文档时--例如：|offset|length|style|BOLD|4814870|<html>
+<body>
+++Welcome.
+++<p+style="text-align:+justify;">+
+</body>
</html>|4814871|生成所需的结果，其中任何字符串值为空或全为空格的元素都将被删除。|4814872|<html>

+++<body>
++++++Welcome.


+++</body>

</html>|4814873|entityMap^0|0|0|9|2|0|0|0|W|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|V|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|W|8|@$I|X|J|Y|K|L]]|9|@]|A|$]]|$1|M|3|N|5|D|7|Z|8|@]|9|@]|A|$E|F]]|$1|O|3|P|5|6|7|10|8|@$I|11|J|12|K|L]]|9|@]|A|$]]|$1|Q|3|R|5|D|7|13|8|@]|9|@]|A|$E|F]]|$1|S|3|-4|5|6|7|14|8|@]|9|@]|A|$]]]|T|$]]

In case the HTML is also a well-formed XML document (This can be done in a pre-pass with a tool like <a href="http://www.w3.org/People/Raggett/tidy/" rel="nofollow">HTML-Tidy</a>), this transformation:

<pre><code>&lt;xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform"&gt;
 &lt;xsl:output omit-xml-declaration="yes" indent="yes"/&gt;

 &lt;xsl:template match="node()|@*"&gt;
 &lt;xsl:copy&gt;
 &lt;xsl:apply-templates select="node()|@*"/&gt;
 &lt;/xsl:copy&gt;
 &lt;/xsl:template&gt;

 &lt;xsl:template match="*[not(normalize-space(.))]"/&gt;
&lt;/xsl:stylesheet&gt;
</code></pre>

when applied on any such XML document -- for example:

<pre><code>&lt;html&gt;
 &lt;body&gt;
 Welcome.
 &lt;p style="text-align: justify;"&gt;&lt;i&gt; &lt;/i&gt;&lt;/p&gt;
 &lt;/body&gt;
&lt;/html&gt;
</code></pre>

produces the wanted result in which any element whose string value is empty or is all whitespace, is deleted:

<pre><code>&lt;html&gt;

 &lt;body&gt;
 Welcome.


 &lt;/body&gt;

&lt;/html&gt;
</code></pre>

blocks|key|777841|text|如果你在Unix机器上，这个python脚本应该可以工作：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|777842|#!/usr/bin/python

import+sys
import+os
import+subprocess
import+tempfile

if+len(sys.argv)+<+2:
++++sys.exit("usage:+%25s+HTML_FILE"+%25+sys.argv[0])

stylesheet+=+'''
++++<xsl:stylesheet+version="1.0"+xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
++++++<xsl:template+match="*[string-length(normalize-space(.))+=+0]"/>

++++++<xsl:template+match="@*%7Cnode()">
+++++++++<xsl:copy>
+++++++++++<xsl:apply-templates+select="@*%7Cnode()"/>
+++++++++</xsl:copy>
++++++</xsl:template>

++++</xsl:stylesheet>
'''

stylesheet_file+=+tempfile.NamedTemporaryFile(suffix='.xslt')
stylesheet_file.write(stylesheet)
stylesheet_file.flush()

p+=+subprocess.Popen("xsltproc+--html+%25s+%25s"+%25+(stylesheet_file.name,+sys.argv[1]),+
++++++++shell=True,+stdout=subprocess.PIPE)

p.wait()
sys.stdout.write(p.stdout.read())
stylesheet_file.close()|code-block|syntax|javascript|777843|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

If you're on a Unix machine, this python script should work:

<pre><code>#!/usr/bin/python

import sys
import os
import subprocess
import tempfile

if len(sys.argv) &lt; 2:
 sys.exit("usage: %s HTML_FILE" % sys.argv[0])

stylesheet = '''
 &lt;xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"&gt;
 &lt;xsl:template match="*[string-length(normalize-space(.)) = 0]"/&gt;

 &lt;xsl:template match="@*|node()"&gt;
 &lt;xsl:copy&gt;
 &lt;xsl:apply-templates select="@*|node()"/&gt;
 &lt;/xsl:copy&gt;
 &lt;/xsl:template&gt;

 &lt;/xsl:stylesheet&gt;
'''

stylesheet_file = tempfile.NamedTemporaryFile(suffix='.xslt')
stylesheet_file.write(stylesheet)
stylesheet_file.flush()

p = subprocess.Popen("xsltproc --html %s %s" % (stylesheet_file.name, sys.argv[1]), 
 shell=True, stdout=subprocess.PIPE)

p.wait()
sys.stdout.write(p.stdout.read())
stylesheet_file.close()
</code></pre>

blocks|key|1636546|text|如果HTML文件不是有效的XHTML，我建议安装beautifulsoup4和lxml包并使用以下脚本，该脚本删除所有没有文本内容的标记，然后从输出中删除空行：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1636547|import+sys
from+bs4+import+BeautifulSoup,+element
def+no_nl(s):
++++return+str(s).replace("\r",+"").replace("\n",+"")

if+len(sys.argv)+!=+2:
++++print+"Usage:+%25s+html_file+>+output"+%25+sys.argv[0]
++++sys.exit(1)

soup+=+BeautifulSoup(open(sys.argv[1]))

#+first+we+have+to+get+rid+of+all+comments
for+e+in+soup.find_all():
++++for+x+in+e.children:
++++++++if+isinstance(x,+element.Comment):
++++++++++++x.replace_with("")

for+e+in+soup.find_all():
++++if+not+len(no_nl(e.text).strip()):
++++++++e.extract()

for+s+in+str(soup).split("\n"):
++++if+len(s.strip()):
++++++++print+s|code-block|syntax|javascript|1636548|以下HTML：|1636549|<html><head><title>Title</title>
</head><body>
<div+class="abc"><div>+
<div><div>+
</div><![CDATA[+This+should+vanish+from+output+]]>+</div>
</div></div><p+class="title">+
<p+class="title">Something+here.
<p+style="text-align:+justify;">aaa+xblah
<p+style="text-align:+justify;">+
++
<div+style="text-align:+justify;">+</div>
<p+class="txt">Spam,+spam,+lovely+spam.
++++</body></html>|1636550|打印为：|1636551|<html><head><title>Title</title></head><body>
<p+class="title">Something+here.
<p+style="text-align:+justify;">aaa+xblah
<p+class="txt">Spam,+spam,+
lovely+spam.
</body></html>|1636552|entityMap^0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|R|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|S|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|T|8|@]|9|@]|A|$E|F]]|$1|K|3|L|5|6|7|U|8|@]|9|@]|A|$]]|$1|M|3|N|5|D|7|V|8|@]|9|@]|A|$E|F]]|$1|O|3|-4|5|6|7|W|8|@]|9|@]|A|$]]]|P|$]]

In case the HTML file isn't valid XHTML, I suggest installing the beautifulsoup4 and lxml packages and using the following script, which removes all tags without text contents and then throws away empty lines from the output:

<pre><code>import sys
from bs4 import BeautifulSoup, element
def no_nl(s):
 return str(s).replace("\r", "").replace("\n", "")

if len(sys.argv) != 2:
 print "Usage: %s html_file &gt; output" % sys.argv[0]
 sys.exit(1)

soup = BeautifulSoup(open(sys.argv[1]))

# first we have to get rid of all comments
for e in soup.find_all():
 for x in e.children:
 if isinstance(x, element.Comment):
 x.replace_with("")

for e in soup.find_all():
 if not len(no_nl(e.text).strip()):
 e.extract()

for s in str(soup).split("\n"):
 if len(s.strip()):
 print s
</code></pre>

The following HTML:

<pre><code>&lt;html&gt;&lt;head&gt;&lt;title&gt;Title&lt;/title&gt;
&lt;/head&gt;&lt;body&gt;
&lt;div class="abc"&gt;&lt;div&gt; 
&lt;div&gt;&lt;div&gt;&lt;span&gt; &lt;/span&gt;
&lt;/div&gt;&lt;![CDATA[ This should vanish from output ]]&gt; &lt;/div&gt;
&lt;/div&gt;&lt;/div&gt;&lt;p class="title"&gt; &lt;!--blah blah blah comment to remove--&gt;
&lt;p class="title"&gt;&lt;b&gt;Something&lt;/b&gt; here.
&lt;/p&gt;&lt;p style="text-align: justify;"&gt;aaa&lt;I&gt; x&lt;/I&gt;&lt;span&gt;blah&lt;/span&gt;&lt;/p&gt;
&lt;p style="text-align: justify;"&gt;&lt;I&gt; &lt;/I&gt;&lt;span&gt;&lt;/span&gt;
&lt;p&gt;&lt;i&gt;&lt;b&gt; &lt;/b&gt;&lt;/i&gt;&lt;/p&gt;
&lt;div style="text-align: justify;"&gt;&lt;i&gt; &lt;/i&gt;&lt;/div&gt;
&lt;p class="txt"&gt;Spam, spam, lovely spam.
&lt;p&gt; &lt;/p&gt;&lt;/body&gt;&lt;/html&gt;
</code></pre>

gets printed as:

<pre><code>&lt;html&gt;&lt;head&gt;&lt;title&gt;Title&lt;/title&gt;&lt;/head&gt;&lt;body&gt;
&lt;p class="title"&gt;&lt;b&gt;Something&lt;/b&gt; here.
&lt;/p&gt;&lt;p style="text-align: justify;"&gt;aaa&lt;i&gt; x&lt;/i&gt;&lt;span&gt;blah&lt;/span&gt;&lt;/p&gt;
&lt;p class="txt"&gt;Spam, spam, 
lovely spam.&lt;/p&gt;
&lt;/body&gt;&lt;/html&gt;
</code></pre>

blocks|key|4814967|text|<?xml+version="1.0"+encoding="utf-8"?>
<xsl:stylesheet+version="1.0"+xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
++++xmlns:msxsl="urn:schemas-microsoft-com:xslt"+exclude-result-prefixes="msxsl"
>
++++<xsl:output+method="xml"+indent="yes"/>

++++<xsl:template+match="node()[normalize-space(.)]%7C@*">
++++++<xsl:copy>
++++++++<xsl:apply-templates+select="node()%7C@*"/>
++++++</xsl:copy>
++++</xsl:template>

</xsl:stylesheet>|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|4814968|unstyled|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|G|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|H|8|@]|9|@]|A|$]]]|F|$]]

<pre><code>&lt;?xml version="1.0" encoding="utf-8"?&gt;
&lt;xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
 xmlns:msxsl="urn:schemas-microsoft-com:xslt" exclude-result-prefixes="msxsl"
&gt;
 &lt;xsl:output method="xml" indent="yes"/&gt;

 &lt;xsl:template match="node()[normalize-space(.)]|@*"&gt;
 &lt;xsl:copy&gt;
 &lt;xsl:apply-templates select="node()|@*"/&gt;
 &lt;/xsl:copy&gt;
 &lt;/xsl:template&gt;

&lt;/xsl:stylesheet&gt;
</code></pre>

We are migrating from one content system into another and have tons of HTML where there are lines, for example, like this:

<pre class="lang-html prettyprint-override"><code>&lt;p style="text-align: justify;"&gt;&lt;i&gt; &lt;/i&gt;&lt;/p&gt;
</code></pre>

I am looking for a way to strip HTML with Python where there is no text output to the screen. So a line similar to this would be stripped.

And, this is just one of MANY examples of lines where there is no text output. So, I would need to find them all to strip. I don't have to worry about images, movies, etc. since only text was possible in our old content management system.

BTW, the vast majority of the lines either start with a <code>p</code> tag or a <code>div</code> tag (ignoring leading whitespace).

Removing empty nodes from HTML

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我们正在从一个内容系统迁移到另一个内容系统，并且有大量的HTML，其中有行，例如，像这样： 我正在寻找一种用Python剥离HTML的方法，在那里没有文本输出到屏幕。因此，类似于此的行将被剥离。而且，这只是许多没有文本输出的行中的一个...

问从HTML中删除空节点
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问从HTML中删除空节点EN