Czy ktoś ma jakiś przykładowy kod, który ilustruje jak używać Pythona Piękne Soup rozebrać wszystkie znaczniki HTML, z wyjątkiem niektórych, z ciągiem tekstu?Korzystanie Piękne Soup rozebrać tagów html z ciągiem
chcę się rozebrać cały JavaScript i HTML tagi wszystko oprócz:
<a></a>
<b></b>
<i></i>
a także takie rzeczy jak:
<a onclick=""></a>
Dzięki za pomoc - nie mogłem znaleźć wiele na internecie ten cel.
import BeautifulSoup
doc = '''<html><head><title>Page title</title></head><body><p id="firstpara" align="center">This is <i>paragraph</i> <a onclick="">one</a>.<p id="secondpara" align="blah">This is <i>paragraph</i> <b>two</b>.</html>'''
soup = BeautifulSoup.BeautifulSoup(doc)
for tag in soup.recursiveChildGenerator():
if isinstance(tag,BeautifulSoup.Tag) and tag.name in ('a','b','i'):
print(tag)
daje
<i>paragraph</i>
<a onclick="">one</a>
<i>paragraph</i>
<b>two</b>
Jeśli chcesz tylko zawartość tekstu, można zmienić print(tag) do print(tag.string).
Jeśli chcesz usunąć atrybut jak onclick="" z tagiem a, można to zrobić:
if isinstance(tag,BeautifulSoup.Tag) and tag.name in ('a','b','i'):
if tag.name=='a':
del tag['onclick']
print(tag)
Dziękuję - w dowolny sposób, aby usunąć onclick = "" – ensnare
Dodaj „tag.attrs = [ ] 'przed drukowaniem, aby usunąć wszystkie atrybuty. Jeśli potrzebujesz większej kontroli, tag.attrs to tylko lista par (nazwa, wartość), w które możesz grać zgodnie z potrzebami. – Spacedman
Hej, to było naprawdę pomocne, dziękuję bardzo. – ensnare