Jef*_*onM 3 html python parsing
我想知道 Python 中是否有库或某种方法可以从 HTML 文档中提取元素。例如：
我有这个文件：
<html>
<head>
...
</head>
<body>
<div>
...
</div>
</body>
</html>我想<div></div>从文档中删除标签块以及块内容，然后它会像这样：
<html>
<head>
...
</head>
<body>
</body>
</html>为此，您不需要图书馆。只需使用内置的字符串方法。
def removeOneTag(text, tag):
return text[:text.find("<"+tag+">")] + text[text.find("</"+tag+">") + len(tag)+3:]
这将删除第一个开始标签和结束标签之间的所有内容。所以您在示例中的输入将类似于...
x = """<html>
<head>
...
</head>
<body>
<div>
...
</div>
</body>
</html>"""
print(removeOneTag(x, "div"))
然后，如果您想删除所有标签...
while(tag in x):
x = removeOneTag(x, tag)