Question

我想使用 bs4 查找并删除所有这些 data-* 属性。

根据 bs4 文档，可以使用 attrs 属性搜索这些属性。

例如：

import re
from bs4 import BeautifulSoup
data_soup = BeautifulSoup('<div data-foo="value">foo!</div>')
data_soup.find_all(attrs={"data-foo": "value"})

但是，以下行不起作用：

data_soup.find_all(attrs={re.compile('data.*') : True})

我需要使用什么正则表达式来查找所有 data-* 属性（无论其值如何）？
找到后，如何使用 del 删除它们？

Answer 1

是的，要删除属性，您只需在del上使用tag.attrs：

data = '''
<ul>
  <li data-animal-type="bird" data-other="this is other data">Owl</li>
  <li data-animal-type="fish">Salmon</li>
  <li data-animal-type="spider">Tarantula</li>
</ul>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'lxml')

print('Original soup:')
print(soup)
print('-' * 80)

for tag in soup.find_all(lambda t: any(i.startswith('data-') for i in t.attrs)):
    for attr in list(tag.attrs):
        if attr.startswith('data-'):
            del tag.attrs[attr]

print()
print('Soup without data-* tags:')
print(soup)
print('-' * 80)

此打印：

Original soup:
<html><body><ul>
<li data-animal-type="bird" data-other="this is other data">Owl</li>
<li data-animal-type="fish">Salmon</li>
<li data-animal-type="spider">Tarantula</li>
</ul></body></html>
--------------------------------------------------------------------------------

Soup without data-* tags:
<html><body><ul>
<li>Owl</li>
<li>Salmon</li>
<li>Tarantula</li>
</ul></body></html>
--------------------------------------------------------------------------------

使用bs4查找和删除HTML5 data- *属性

1 个答案: