使用Beautiful Soup,如何迭代所有嵌入的文本?

时间:2009-05-06 18:26:53

标签: python beautifulsoup

假设我想从HTML中删除元音:

<a href="foo">Hello there!</a>Hi!

变为

<a href="foo">Hll thr!</a>H!

我认为这是Beautiful Soup的工作。如何在标签之间选择文本并对其进行操作?

1 个答案:

答案 0 :(得分:10)

假设变量test_html具有以下html内容:

<html>
<head><title>Test title</title></head>
<body>
<p>Some paragraph</p>
Useless Text
<a href="http://stackoverflow.com">Some link</a>not a link
<a href="http://python.org">Another link</a>
</body></html>

这样做:

from BeautifulSoup import BeautifulSoup

test_html = load_html_from_above()
soup = BeautifulSoup(test_html)

for t in soup.findAll(text=True):
    text = unicode(t)
    for vowel in u'aeiou':
        text = text.replace(vowel, u'') 
    t.replaceWith(text)

print soup

打印:

<html>
<head><title>Tst ttl</title></head>
<body>
<p>Sm prgrph</p>
Uslss Txt
<a href="http://stackoverflow.com">Sm lnk</a>nt  lnk
<a href="http://python.org">Anthr lnk</a>
</body></html>

请注意,标签和属性不受影响。