Question

这里有很多类似标题的问题，但我正试图从汤对象本身中删除标签。

我有一个页面，其中包含此div：

<div id="content">
I want to keep this<br /><div id="blah">I want to remove this</div>
</div>

我可以选择<div id="content"> soup.find('div', id='content')，但我想从中移除<div id="blah">。

Answer 1

The Tag.decompose method从树中删除tag。所以找到div标记：

div = soup.find('div', {'id':'content'})

循环所有孩子，但第一个：

for child in list(div)[1:]:

并尝试分解孩子：

    try:
        child.decompose()
    except AttributeError: pass

import bs4 as bs

content = '''<div id="content">
I want to keep this<br /><div id="blah">I want to remove this</div>
</div>'''
soup = bs.BeautifulSoup(content)
div = soup.find('div', {'id':'content'})
for child in list(div)[1:]:
    try:
        child.decompose()
    except AttributeError: pass
print(div)

产量

<div id="content">
I want to keep this
</div>

使用lxml的等价物将是

import lxml.html as LH

content = '''<div id="content">
I want to keep this<br /><div id="blah">I want to remove this</div>
</div>'''
root = LH.fromstring(content)

div = root.xpath('//div[@id="content"]')[0]
for child in div:
    div.remove(child)
print(LH.tostring(div))

使用BeautifulSoup从文本中删除标记

1 个答案: