使用 BeautifulSoup 去除 html 的脚本和样式标签？答案

【问题标题】：Getting html stripped of script and style tags with BeautifulSoup?使用 BeautifulSoup 去除 html 的脚本和样式标签？
【发布时间】：2011-04-21 22:14:22
【问题描述】：

我有一个简单的脚本，我在其中获取 HTML 页面，将其传递给 BeautifulSoup 以删除所有脚本和样式标签，然后我想将 HTML 结果传递给另一个方法。是否有捷径可寻？略读BeautifulSoup.py，我还没看过。

soup = BeautifulSoup(html)
for script in soup("script"):
    soup.script.extract()

for style in soup("style"):
    soup.style.extract()
contents = soup.html.contents
text = loader.extract_text(contents)

contents = soup.html.contents 只是获取一个列表，并且所有内容都在其中的类中定义。有没有一种方法可以在soup 操作后只返回原始html？还是我只需要浏览contents 列表并将html 拼凑在一起，不包括脚本和样式标签？

或者有没有更好的解决方案来完成我想要的？

【问题讨论】：

标签： python html-parsing beautifulsoup python-2.6

【解决方案1】：

unicode( soup ) 为您提供 html。

你想要的是这个：

for elem in soup.findAll(['script', 'style']):
    elem.extract()

【讨论】：