Python/BeautifulSoup - 如何从元素中删除所有标签？-IT科技

Python/BeautifulSoup - 如何从元素中删除所有标签？

2025-04-16 08:55:00

admin

原创

摘要：问题描述：我怎样才能简单地从我在 BeautifulSoup 中找到的元素中去除所有标签？解决方案 1：有了BeautifulStoneSoupgone in bs4，在 Python3 中就更简单了from bs4 import BeautifulSoup soup = BeautifulSoup(htm...

问题描述：

我怎样才能简单地从我在 BeautifulSoup 中找到的元素中去除所有标签？

解决方案 1：

有了BeautifulStoneSoupgone in bs4，在 Python3 中就更简单了

from bs4 import BeautifulSoup

soup = BeautifulSoup(html)
text = soup.get_text()
print(text)

解决方案 2：

为什么我看到的答案都没有提到这个unwrap方法？或者更简单一点，这个get_text方法

http://www.crummy.com/software/BeautifulSoup/bs4/doc/#unwrap
http://www.crummy.com/software/BeautifulSoup/bs4/doc/#get-text

解决方案 3：

使用get_text()，它将文档中或标签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签：

<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>

预期结果是：

Signal et Communication
Ingénierie Réseaux et Télécommunications

以下是源代码：

#!/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())

解决方案 4：

您可以使用bs4中的分解方法：

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>

解决方案 5：

代码只是将内容作为文本而不是 html 获取：

html_text参数是您将传递到此函数以获取文本的字符串

from bs4 import BeautifulSoup
    
soup = BeautifulSoup(html_text, 'lxml')
text = soup.get_text()
print(text)

解决方案 6：

看起来这是可行的方法！就这么简单

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))

解决方案 7：

这是源代码：你可以获取 URL 中确切的文本

URL = ''
page = requests.get(URL)
soup = bs4.BeautifulSoup(page.content,'html.parser').get_text()
print(soup)