如何从文本中删除所有 a href 标签答案

【问题标题】：How to remove all a href tags from text如何从文本中删除所有 a href 标签
【发布时间】：2013-09-29 17:18:40
【问题描述】：

我有一个脚本来替换“ahref”标签中的单词。但是，我想完全删除 a href，这样您就可以在没有链接的情况下使用 Google 一词。

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    a['href'] = a['href'].replace("google", "mysite")
result = str(soup)

你也可以找到所有放在href中的单词并在它们之前和之后放置一个“”。我不知道该怎么做。我想这是在替换之前完成的。

【问题讨论】：

你可以留下一个毫无意义的<a>吗？你可以del a['href']。

标签： python html parsing beautifulsoup

【解决方案1】：

改用del a['href']，就像在普通字典上一样：

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    del a['href']

给你：

>>> print str(soup)
<p>Hello <a>Google</a></p>

更新：

如果你想完全摆脱<a>标签，你可以使用.replaceWithChildren()方法：

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    a.replaceWithChildren()

给你：

>>> print str(soup)
<p>Hello Google</p>

...并且，您在评论中要求的内容（用空格包装标签的文本内容），可以通过以下方式实现：

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    del a['href']
    a.setString(' %s ' % a.text)

给你：

>>> print str(soup)
<p>Hello <a> Google </a></p>

【讨论】：

谢谢，但我看到的谷歌是链接还是普通文本。另外，我如何在 google 或 href 中的任何单词之前放置一个空格。谢谢
1) 我不知道浏览器是如何在没有href 的情况下呈现<a> 标签的——为什么不自己尝试查看而不是让我进行检查？ 2) 我不确定你在问什么。
是的，没有检查任何链接。一旦我得到所有的“”，我想在之后和之前放置一个“”。所以你好。应该变成，你好
相应地更新了我的答案。
AFAIK，find_all 现在优先于 findAll（后者可用于向后兼容）。

【解决方案2】：

你可以用漂白剂

pip install bleach

那就这样用吧……

import bleach
from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<a href = "somesite.com">hello world</a>')
clean = bleach.clean(soup,tags[],strip=True)

这会导致...

>>> print clean
u'hello world'

here 是漂白的文档。

【讨论】：