删除所有<a>标签

Question

我刮了一个包含网址的容器,例如:

<a href="url">text</a>

我需要删除所有内容,只保留文字 ...

import urllib2, sys
from bs4 import BeautifulSoup

site = "http://mysite.com"
page = urllib2.urlopen(site)
soup = BeautifulSoup(page)

可能吗？

Answer 1

你可以用Bleach做到这一点

PyPi - 漂白剂

>>> import bleach

>>> bleach.clean('an <script>evil()</script> example')
u'an &lt;script&gt;evil()&lt;/script&gt; example'

>>> bleach.linkify('an http://example.com url')
u'an <a href="http://example.com" rel="nofollow">http://example.com</a> url

>>> bleach.delinkify('a <a href="http://ex.mp">link</a>')
u'a link'