Question

从BeautifulSoup我得到一个特定标签的列表，一些标签只包含链接，没有更多文本。当我在这些上使用get_text()方法时，我会得到链接的描述。

但是当标签仅包含<a href>元素时，我想忽略它。

Tag: <p class="abc">text1 <a href=...>desc</a> text2</p> -> result: text1 desc text2 (OKAY)

Tag: <p class="abc"><a href=...>desc</a></p> -> result: desc (NOT OKAY)

当标签只包含链接时，我想过滤掉它们。我怎么能这样做？

Answer 1

我们的想法是迭代p代码并检查是否只有一个包含a代码的子代：

from bs4 import BeautifulSoup


data = """
<div>
    <p class="abc">text1 <a href='http://mysite1.com'>desc1</a> text2</p>
    <p class="abc"><a href='http://mysite2.com'>desc2</a></p>
    <p class="abc"><a href='http://mysite3.com'>desc3</a>text3</p>
    <p class="abc">text4<a href='http://mysite4.com'>des4</a></p>
    <p class="abc">text5</p>
</div>
"""
soup = BeautifulSoup(data)
for p in soup('p', class_='abc'):
    if len(p.contents) == 1 and p.contents[0].name == 'a':
        print p

打印：

<p class="abc"><a href="http://mysite2.com">desc2</a></p>

仅供参考，.contents包含代码的子项列表。

美丽的汤：删除仅包含href的标签

1 个答案: