删除 HTML 标签 (Python)答案

【问题标题】：Remove HTML tag (Python)删除 HTML 标签 (Python)
【发布时间】：2020-12-20 01:09:24
【问题描述】：

我有以下 HTML 代码

<span><s>Something</s>Anything</span>

我想删除 span 标签，返回 HTML 代码

<s>Something></s>

我正在使用 beautifulsoup 库

soup = BeautifulSoup(HTML, 'lxml')
soup.span.unwrap()

但这会返回 -> <s>Something</s>Anything

【问题讨论】：

还有 HTML 吗？还是仅此而已？
是的，有。但是，我可以处理它们。

标签： python html python-3.x beautifulsoup

【解决方案1】：

如果您想要的只是 <s> 部分，为什么不直接过滤掉而不是删除呢？

例如：

from bs4 import BeautifulSoup

sample = """
<span><s>Something</s>Anything</span>
"""

soup = BeautifulSoup(sample, "lxml")
print(soup.find("s"))

这会让你：

<s>Something</s>

如果您有更多带有<s> 的<span> 标签，您可以这样做：

sample = """
<span><s>Something</s>Anything</span>
<span><s>More of Something</s>Less of Anything</span>
"""
print([t.find("s") for t in soup.find_all("span")])

要得到这个：

[<s>Something</s>, <s>More of Something</s>]

但是，如果你想删除标签，那么你最终会得到一个空的HTML（至少在这个简单的情况下）。

看这个：

from bs4 import BeautifulSoup

sample = """
<span><s>Something</s>Anything</span>
"""

soup = BeautifulSoup(sample, "lxml")

for tag in soup.find_all(True):
    if tag.name == "span":
        tag.extract()
print(soup)

产生这个：

<html><head></head><body>
</body></html>

或者，更短的，带有列表理解：

print([t.extract() for t in soup.find_all("span")])

给：[]

所以，我想，最好的办法是过滤掉不需要的标签。

【讨论】：

感谢您的回答。我想删除 span 标签，因为我想保存没有 span 标签的 HTML 代码。

【解决方案2】：

我尝试了以下代码：

s1 = soup.span.s
soup.span.replaceWith(s1)
print(soup)

输出：

<html><body><s>Something</s></body></html>

【讨论】：

【解决方案3】：

你想要<s>标签或<span>的innerHTML？

第一个答案给你一个代码来获取<s>标签或<s>Something></s>

要获取<span> 的innerHTML 或值<s>Something</s>Anything，请使用

spanTag.decode_contents()

【讨论】：

【解决方案4】：

from bs4 import BeautifulSoup

with open('home.html', 'r') as html_file:
   content = html_file.read()

   soup = BeautifulSoup(content, 'lxml')
   print(soup.prettify()) # this part makes the output look better

【讨论】：