Question

编辑：基本上，我正在尝试执行Decompose，但是我没有删除标签并完全销毁其内容，而是想用其内容替换标签。

我想用字符串格式的标签内容替换html文档中的所有'a'标签。这样可以让我更轻松地将html写入csv。然而，我无法通过替换步骤。我一直在尝试使用BeautifulSoup的replace_with（）来完成它，但结果并没有像预期的那样回归。

# Import modules
from bs4 import BeautifulSoup
from urllib2 import urlopen

# URL to soup
URL = 'http://www.barringtonhills-il.gov/foia/ordinances_12.htm'
html_content = urlopen(URL).read()
soup = BeautifulSoup(html_content)

# Replaces links with link text
links = soup.find_all('a')
for link in links:
    linkText = link.contents[0]
    linkTextCln = '%s' % (linkText.string)
    if linkTextCln != 'None':
        link.replaceWith(linkTextCln)
        print link

返回：

<a href="index.htm">Home</a>
<a href="instruct.htm">Instructions</a>
<a href="requests.htm">FOIA Requests</a>
<a href="kiosk.htm">FOIA Kiosk</a>
<a href="geninfo.htm">Government Profile</a>
etc etc etc

但预期的回报是：

Home
Instructions
FOIA Requests
FOIA Kiosk
Government Profile
etc etc etc

有关为什么replaceWith没有按预期工作的任何想法？是否有更好的方法来解决这个问题？

Answer 1

我相信使用bs4，该方法现在为replace_with，但如果您只想输出标签的内容，则以下方法有效：

from bs4 import BeautifulSoup

s = '''
<a href="index.htm">Home</a>
<a href="instruct.htm">Instructions</a>
<a href="requests.htm">FOIA Requests</a>
<a href="kiosk.htm">FOIA Kiosk</a>
<a href="geninfo.htm">Government Profile</a>
'''
soup = BeautifulSoup(s, 'html.parser')

for tag in soup.findAll('a'):
    print(tag.string)

输出：

Home
Instructions
FOIA Requests
FOIA Kiosk
Government Profile
[Finished in 0.2s]

使用BeautifulSoup的replaceWith将所有'a'标签替换为标签内容

1 个答案: