Wie kann ich einfach alle Tags von einem Element entfernen, das ich in BeautifulSoup finde?
python
beautifulsoup
Daniele B.
quelle
quelle
get_text()alsgetText().Warum hat keine Antwort, die ich gesehen habe, etwas über die
unwrapMethode erwähnt? Oder noch einfacher dieget_textMethodehttp://www.crummy.com/software/BeautifulSoup/bs4/doc/#unwrap http://www.crummy.com/software/BeautifulSoup/bs4/doc/#get-text
quelle
Verwenden Sie get_text () , um den gesamten Text in einem Dokument oder unter einem Tag als einzelne Unicode-Zeichenfolge zurückzugeben.
Entfernen Sie beispielsweise alle verschiedenen Skript-Tags aus dem folgenden 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>Das erwartete Ergebnis ist:
Hier ist der Quellcode:
#!/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())quelle
Sie können die Zerlegungsmethode in bs4 verwenden:
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>quelle
es sieht so aus, als wäre das der richtige Weg! so einfach ist das
Mit dieser Zeile verbinden Sie alle Textteile innerhalb des aktuellen Elements
''.join(htmlelement.find(text=True))quelle
Hier ist der Quellcode: Sie können den Text erhalten, der genau in der URL enthalten ist
URL = '' page = requests.get(URL) soup = bs4.BeautifulSoup(page.content,'html.parser').get_text() print(soup)quelle
Code, um den Inhalt einfach als Text anstelle von HTML abzurufen:
Der Parameter 'html_text' ist die Zeichenfolge, die Sie in dieser Funktion übergeben, um den Text abzurufen
from bs4 import BeautifulSoup soup = BeautifulSoup(html_text, 'lxml') text = soup.get_text() print(text)quelle