Question

四年前曾问过{p> This question，但现在BS4的答案已经过时了。

我想使用漂亮的汤删除我的html文件中的所有评论。由于BS4生成每个comment as a special type of navigable string，我认为这段代码可行：

for comments in soup.find_all('comment'):
     comments.decompose()

所以这不起作用....如何使用BS4查找所有评论？

Answer 1

您可以将函数传递给find_all（）以帮助它检查字符串是否为Comment。

例如我在html下面：

<body>
   <!-- Branding and main navigation -->
   <div class="Branding">The Science &amp; Safety Behind Your Favorite Products</div>
   <div class="l-branding">
      <p>Just a brand</p>
   </div>
   <!-- test comment here -->
   <div class="block_content">
      <a href="https://www.google.com">Google</a>
   </div>
</body>

代码：

from bs4 import BeautifulSoup as BS
from bs4 import Comment
....
soup = BS(html, 'html.parser')
comments = soup.find_all(string=lambda text: isinstance(text, Comment))
for c in comments:
    print(c)
    print("===========")
    c.extract()

输出将是：

Branding and main navigation 
============
test comment here
============

BTW，我认为find_all('Comment')不起作用的原因是（来自BeautifulSoup文档）：

传入名称的值，您将告诉Beautiful Soup只考虑具有特定名称的标签。 文本字符串将被忽略，名称不匹配的标记也将被忽略。

Answer 2

我需要做的两件事：

首先，导入美丽的汤

from bs4 import BeautifulSoup, Comment

其次，这是提取评论的代码

for comments in soup.findAll(text=lambda text:isinstance(text, Comment)):
    comments.extract()

如何用Beautiful Soup找到所有评论

2 个答案: