如何使用 Beautiful Soup 查找所有评论答案

【问题标题】：How to find all comments with Beautiful Soup如何使用 Beautiful Soup 查找所有评论
【发布时间】：2016-01-13 08:16:27
【问题描述】：

This question 在四年前被问到，但现在答案对于 BS4 来说已经过时了。

我想用漂亮的汤删除我的 html 文件中的所有 cmets。由于 BS4 使每个 comment as a special type of navigable string，我认为这段代码可以工作：

for comments in soup.find_all('comment'):
     comments.decompose()

那没用....如何找到所有使用 BS4 的 cmets？

【问题讨论】：

我想这个answer 应该还能工作。
我收到“未定义全局名称'comment'”
我知道这是旧的，但是@Joseph，如果你从 bs4 导入评论它应该可以工作
确实...接受的答案是正确的。

标签： python html beautifulsoup comments bs4

【解决方案1】：

您可以将一个函数传递给 find_all() 以帮助它检查字符串是否为 Comment。

例如我有下面的html：

<body>
   <!-- Branding and main navigation -->
   <div class="Branding">The Science &amp; Safety Behind Your Favorite Products</div>
   <div class="l-branding">
      <p>Just a brand</p>
   </div>
   <!-- test comment here -->
   <div class="block_content">
      <a href="https://www.google.com">Google</a>
   </div>
</body>

代码：

from bs4 import BeautifulSoup as BS
from bs4 import Comment
....
soup = BS(html, 'html.parser')
comments = soup.find_all(string=lambda text: isinstance(text, Comment))
for c in comments:
    print(c)
    print("===========")
    c.extract()

输出将是：

Branding and main navigation 
============
test comment here
============

顺便说一句，我认为find_all('Comment') 不起作用的原因是（来自 BeautifulSoup 文档）：

为 name 传入一个值，你会告诉 Beautiful Soup 只考虑具有特定名称的标签。 文本字符串将被忽略，名称不匹配的标签也会被忽略。

【讨论】：

很高兴找到您的答案，谢谢！知道如何在不使用 lambda 的情况下编写它吗？

【解决方案2】：

我需要做两件事：

首先，导入 Beautiful Soup 时

from bs4 import BeautifulSoup, Comment

其次，这里是提取cmets的代码

for comments in soup.findAll(text=lambda text:isinstance(text, Comment)):
    comments.extract()

【讨论】：