lenML/ChatTTS-Forge

1import html2import re3from html.parser import HTMLParser4 5 6# NOTE: 现在没用这个，因为不好解决转义字符的问题7#       除非分段处理，但是太麻烦了...8class HTMLTagRemover(HTMLParser):9    def __init__(self):10        super().__init__()11        self.reset()12        self.fed = []13 14    def handle_data(self, data):15        self.fed.append(data)16 17    def get_data(self):18        return "\n".join(self.fed)19 20 21def remove_html_tags(text):22    parser = HTMLTagRemover()23    parser.feed(text)24    return parser.get_data()25 26 27def remove_html_tags_re(text):28    text = html.unescape(text)29    html_tags_pattern = re.compile(r"</?([a-zA-Z1-9]+)[^>]*>")30    return re.sub(html_tags_pattern, " ", text)31 32 33if __name__ == "__main__":34    input_text = """35<h1>一个标题</h1> 这是一段包含<code>标签</code>的文本。 <code>&amp;</code>36<设定>37一些文本38</设定>39"""40    # input_text = "我&你"41    output_text = remove_html_tags_re(input_text)42    print(output_text)  # 输出： 一个标题 这是一段包含标签的文本。43