Python beautifulsoup 试图删除 html 标签'span'答案

【问题标题】：Python beautifulsoup trying to remove html tags 'span'Python beautifulsoup 试图删除 html 标签'span'
【发布时间】：2011-02-01 13:34:56
【问题描述】：

我正在尝试删除

[<span class="street-address">
            510 E Airline Way
           </span>]

我已经使用这个 clean 函数删除了< > 之间的那个

def clean(val):
 if type(val) is not StringType: val = str(val)
 val = re.sub(r'<.*?>', '',val) 
 val = re.sub("\s+" , " ", val)
 return val.strip()

它会产生[ 510 E Airline Way ]

我试图在“clean”函数中添加删除字符'[' 和']'，基本上我只想得到"510 E Airline Way"。

有人知道我可以在clean 函数中添加什么吗？

谢谢

【问题讨论】：

你到底在哪里使用beautifulsoup？
另见stackoverflow.com/questions/1732348/…

标签： python regex beautifulsoup

【解决方案1】：

使用回复：

>>> import re
>>> s='[<span class="street-address">\n            510 E Airline Way\n           </span>]'
>>> re.sub(r'\[|\]|\s*<[^>]*>\s*', '', s)
'510 E Airline Way'

使用 BeautifulSoup：

>>> from BeautifulSoup import BeautifulSoup
>>> s='[<span class="street-address">\n            510 E Airline Way\n           </span>]'
>>> b = BeautifulSoup(s)
>>> b.find('span').getText()
u'510 E Airline Way'

使用 lxml：

>>> from lxml import html
>>> s='[<span class="street-address">\n            510 E Airline Way\n           </span>]'
>>> h = html.document_fromstring(s)
>>> h.cssselect('span')[0].text.strip()
'510 E Airline Way'

【讨论】：