使用aiohttp/asyncio时Feedparser的_HTMLSanitizer未生效，求解决方案

嘿，我来帮你搞定这个问题！你遇到的情况是明明修改了feedparser._HTMLSanitizer的属性，但输出还是保留了div等未授权标签，核心原因其实很简单：feedparser默认不会自动启用HTML清理功能，你修改了 sanitizer 的规则，但没触发它运行，自然不会生效。

问题根源 #

feedparser的_HTMLSanitizer类只是定义了清理规则，但默认解析Feed时，并不会主动调用它去处理entry的summary或content字段。你直接修改类属性后，没有告诉feedparser“要用这个规则来清理HTML”，所以原始的HTML内容完全没经过过滤就输出了。

另外还有个小细节：你看到的<div>是转义后的实体（<div>），不过feedparser在开启sanitize后会自动处理这些转义内容，不用额外手动转码。

解决步骤 #

要让sanitizer生效，需要做两件事：

• 提前修改_HTMLSanitizer的规则（你已经做了这步，没问题）
• 在调用feedparser.parse()时，开启sanitize=True参数，强制feedparser用你配置的规则清理HTML内容

修改后的完整代码 #

import aiohttp
import asyncio
import feedparser

# 先配置sanitizer规则，确保在parse之前修改
feedparser._HTMLSanitizer.acceptable_elements = ['a', 'img']
feedparser._HTMLSanitizer.acceptable_css_keywords = []
feedparser._HTMLSanitizer.acceptable_css_properties = []
feedparser._HTMLSanitizer.acceptable_svg_properties = []
feedparser._HTMLSanitizer.acceptable_attributes = ['href', 'src']

async def load_feed():
    async with aiohttp.ClientSession() as session:
        async with session.get('http://zycrypto.com/feed') as response:
            text = await response.text()
            # 关键：添加sanitize=True参数，启用HTML清理
            parsed = feedparser.parse(text, sanitize=True)
            for entry in parsed.entries:
                print(entry.title)
                print(entry.summary, '\n\n')

asyncio.get_event_loop().run_until_complete(load_feed())

验证预期输出 #

修改后，输出会自动过滤掉div、style、class等未授权的标签和属性，只保留：

• <img>标签及src属性
• <a>标签及href属性
• 纯文本内容

这样就能得到你想要的干净HTML内容啦！

内容的提问来源于stack exchange，提问作者PirateApp