Python简化HTML表格

Question

是否有简化 HTML 表格的好方法（例如使用 BeautifulSoup）。我正在使用请求来获取表格并使用 BeautifulSoup 提取表格，但我需要表格来自：

<table>
    <thead></thead>
    <tbody>
        <tr>
            <td><a id="bar">Some text<br></br><span class="foobar">foo </span><small class="foo">bar!</small></a></td>
        </tr>
    </tbody>
</table>

到：

<table>
    <thead></thead>
    <tbody>
        <tr>
            <td>Some text\nfoo bar!</td>
        </tr>
    </tbody>
</table>

通过一种简单的方式，那么我在考虑不必去每个标签并使用 soup.get_text()。

Answer 1

您可以将 br 替换为换行符：

h = """<table>
    <thead></thead>
        <tr>
            <td><a id="bar">Some text<br><br/><span class="foobar">foo </span><small class="foo">bar!</small></a></td>
        </tr>
</table>"""


from bs4 import BeautifulSoup

soup = BeautifulSoup(h)

td = soup.select_one("#bar")
td.br.replace_with("\n") 

td.replace_with(td.text)


print(repr(soup))

这给了你：

<html><body><table>\n<thead></thead>\n<tr>\n<td>Some text\nfoo bar!</td>\n</tr>\n</table></body></html>