Dan*_*e B 59 python beautifulsoup
如何从BeautifulSoup中找到的元素中删除所有标签？
sha*_*wnl 80
随着BeautifulStoneSoup进入bs4,它在Python3中更简单
from bs4 import BeautifulSoup
soup = BeautifulSoup(html)
text = soup.get_text()
print(text)
Bob*_*bby 13
为什么没有我已经看过的答案提到过这个unwrap方法？或者,更简单的get_text方法
http://www.crummy.com/software/BeautifulSoup/bs4/doc/#unwrap http://www.crummy.com/software/BeautifulSoup/bs4/doc/#get-text
使用get_text(),它将文档中或标记下的所有文本作为单个Unicode字符串返回.
例如,从以下文本中删除所有不同的脚本标记:
<td><a href="http://www.irit.fr/SC">Signal et Communication</a>
<br/><a href="http://www.irit.fr/IRT">Ingénierie Réseaux et Télécommunications</a>
</td>
预期的结果是:
Signal et Communication
Ingénierie Réseaux et Télécommunications
这是源代码:
#!/usr/bin/env python3
from bs4 import BeautifulSoup
text = '''
<td><a href="http://www.irit.fr/SC">Signal et Communication</a>
<br/><a href="http://www.irit.fr/IRT">Ingénierie Réseaux et Télécommunications</a>
</td>
'''
soup = BeautifulSoup(text)
print(soup.get_text())
小智 6
简单地以文本而不是 html 形式获取内容的代码：
html_text参数是您将传递到此函数中以获取文本的字符串
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_text, 'lxml')
text = soup.get_text()
print(text)
小智 5
您可以在bs4中使用decompose方法:
soup = bs4.BeautifulSoup('<body><a href="http://example.com/">I linked to <i>example.com</i></a></body>')
for a in soup.find('a').children:
if isinstance(a,bs4.element.Tag):
a.decompose()
print soup
Out: <html><body><a href="http://example.com/">I linked to </a></body></html>
看起来就是这样做的！就如此容易
通过这一行，您可以将当前元素中的所有文本部分连接在一起
''.join(htmlelement.find(text=True))