带自定义标签的lxml清洁器？

Question

我想使用lxml清理器去除所有的html，但是然后使用正则表达式自动链接：

[ABC] -> <a href="bah bah bah">ABC</a>

没有xss等处理这个问题的正确方法是什么？

Answer 1

使用带内联HTML的markdown可能是合适的吗？ python markdown模块非常成熟。

查看docs中的“安全模式”部分，了解有关删除内联HTML的详情。

根据您的需要，py-wikimarkup之类的内容可能更合适。

使用自定义正则表达式可能不是一个好主意，因为

• 您必须向可能已经熟悉markdown / WikiText
的人解释规则
• 你必须提供一种逃避文本的方法，例如：对于真正想写[ABC]
的人
• 你必须修复任何错误，包括安全问题