Question

如果我有这样的话：

<div>
<a>Link</a>
</div>
<div>
<a>Link</a>
</div>

我想删除其中一个div标签（包括所有内容和子标签），因为两个div标签（包括其内容）是相同的。只应比较彼此相邻的标签，并最终删除其中一个标签。这也应该是recursevly。例如，如果我有这样的事情：

<div>
<a>Link</a>
<a>Link</a>
</div>
<div>
<a>Link</a>
</div>

只应移除第一个div中的一个链接。

我尝试使用以下代码解决BeautifulSoup的问题：

def removeDuplicates(items):
    for item in items:
        if item==item.nextSibling:
            item.extract()
        else:
            children = item.findChildren()
            removeDuplicates(children)

body = soup.find('body')
items = body.findChildren()
removeDuplicates(items)

但代码需要很长时间才能执行。

有没有像我描述的那样快速删除重复标签的方法？

Answer 1

我的代码工作缓慢，因为我假设.findChildren()只获得直接的孩子（下面的第一级），但它实际上得到了所有孩子（来自所有级别）。因此，解决方案是从我的代码中删除以下行：

    else:
        children = item.findChildren()
        removeDuplicates(children)

Python：如果下一个兄弟是相同的，删除包含内容的html标记

1 个答案: