如何替换所有出现的特定嵌套标签

Question

我想获取没有嵌套标签的html文件标签数据（首选：BeautifulSoup基本解决方案），但是正则表达式也可以工作 例如：

`<li><p>HELLO1</p></li >  <li>HELLO2</li><p>HELLO3</p>`

answer

HELLO1 HELLO2 HELLO3

我尝试使用正则表达式，但是没有找到用于汤对象的方法  str（soup）.replace（“

”，“

”）

tags = soup.find_all(['p','li'])
it returns:
< p >HELLO1< /p >,
HELLO1 ,
HELLO2 ,
HELLO3

如果有li和p标签被嵌套，则结果应仅显示一次或应删除一个嵌套标签。 例如：如果

XYZ

       它应该变成

XYZ

Answer 1

您可以使用.get_text()方法：

data = '''<li><p>HELLO1</p></li >  <li>HELLO2</li><p>HELLO3</p>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'html.parser')

print(soup.get_text(separator=' ', strip=True))

打印：

HELLO1 HELLO2 HELLO3