我正在构建一个Web应用程序，允许用户从其他网站解析和存储HTML内容。 目前，我这样做：
lxml.html.fromstring(html).text_content()
因此，如果html = "Hi ! This is a <a href='#>link</a>"，则"Hi ! This is a link"打印唯一的内容。
从安全的角度来看，它很好（没有XSS），但从功能上来说，我希望我的用户使用一些HTML标记，带有一些标记属性（some = whitelist）。
例如，我可以使用<a href="http://google.com">Google</a>，但不能使用<a href="http://google.com" onClick="alert(1)">Malicious</a>，我希望将其转换为<a href="http://google.com">Malicious</a>。
是否有任何图书馆才能这样做，或者我是否必须自己实施？
答案 0 :(得分：0)
听起来您可能想要查看Markdown语法。可能有一个降价解析器可以强制执行您正在寻找的控件。您必须将HTML转换为Markdown语法，然后使用Markdown以您想要的格式重新创建标记。
http://en.wikipedia.org/wiki/Markdown
快速搜索找到了这个用于python的降价解析器。
https://pypi.python.org/pypi/Markdown
将HTML转换为markdown可以在此stackoverflow答案中找到...