在python中删除标签

Question

鉴于我有字符串，我该如何删除所有标签。例如：

string = hello<tag1>there</tag1> I <tag2> want to </tag2> strip <tag3>all </tag3>these tags
>>>> hello there I want to strip all these tags

Answer 1

text 属性是最直接的，但它只是逐字复制文本节点，因此你得到

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup("""hello<tag1>there</tag1> I <tag2> want to </tag2> strip <tag3>all </tag3>these tags""")
>>> soup.text
u'hellothere I  want to  strip all these tags'

您可以使用压缩所有空格

>>> ' '.join(soup.text.split())
u'hellothere I want to strip all these tags'

---

现在，'hello' 和 'there' 之间缺少的空格是一个棘手的问题，因为如果 <tag1> 是 <b>，那么用户代理会将其呈现为 hellothere，没有任何中间空间；需要解析 CSS 以了解哪些元素应该是内联的，哪些不是。

但是，如果我们允许将每个非文本节点（和结束标签）替换为空格，那么粗略的做法是使用 soup.findChildren 分别搜索所有文本节点，分别拆分它们，将这些列表与 @987654328 合并@ 然后join 它们全部用一个空格作为分隔符：

>>> from itertools import chain
>>> words = chain(*(i.split() for i in soup.findChildren(text=True)))
>>> ' '.join(words)
u'hello there I want to strip all these tags'