Python：删除所有没有类的div答案

【问题标题】：Python: Deleting all divs without classPython：删除所有没有类的div
【发布时间】：2020-06-13 20:55:11
【问题描述】：

我想删除所有没有类的 div（但不是 div 中的内容）。

我的意见

<h1>Test</h1>
<div>
    <div>
        <div class="test">
            <p>abc</p>
        </div>
    </div>
</div>

我想要的输出

<h1>Test</h1>
<div class="test">    
    <p>abc</p>
</div>

我的尝试 1

基于“Deleting a div with a particular class”：

from bs4 import BeautifulSoup
soup = BeautifulSoup('<h1>Test</h1><div><div><div class="test"><p>abc</p></div></div></div>', 'html.parser')   
for div in soup.find_all("div", {'class':''}): 
    div.decompose()
print(soup)
# <h1>Test</h1>

我的尝试 2

from htmllaundry import sanitize
myinput = '<h1>Test</h1><div><div><div class="test"><p>abc</p></div></div></div>'
myoutput = sanitize(myinput)
print myoutput
# <p>Test</p><p>abc</p> instead of <h1>Test</h1><div class="test"><p>abc</p></div>

我的尝试 3

基于“Clean up HTML in python”

from lxml.html.clean import Cleaner

def sanitize(dirty_html):
    cleaner = Cleaner(remove_tags=('font', 'div'))

    return cleaner.clean_html(dirty_html)


myhtml = '<h1>Test</h1><div><div><div class="test"><p>abc</p></div></div></div>'

print(sanitize(myhtml))
# <div><h1>Test</h1><p>abc</p></div>

我的尝试 4

from html_sanitizer import Sanitizer
sanitizer = Sanitizer()  # default configuration
output = sanitizer.sanitize('<h1>Test</h1><div><div><div class="test"><p>abc</p></div></div></div>')
print(output)
# <h1>Test</h1><p>abc</p>

问题：div 元素用于为解析器包装 HTML 片段，因此不允许使用 div 标记。（来源：Manual）

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

如果要排除没有类的 div，保留其内容：

from bs4 import BeautifulSoup
markup = '<h1>Test</h1><div><div><div class="test"><p>abc</p></div></div></div>'
soup = BeautifulSoup(markup,"html.parser")
for tag in soup.find_all():
    empty = tag.name == 'div' and not(tag.has_attr('class'))
    if not(empty):
        print(tag)

输出：

<h1>Test</h1>
<div class="test"><p>abc</p></div>
<p>abc</p>

【讨论】：

【解决方案2】：

请检查一下。

from bs4 import BeautifulSoup

data="""
<div>
    <div>
        <div class="test">
            <p>abc</p>
        </div>
    </div>
</div>
"""
soup = BeautifulSoup(data, features="html5lib")

for div in soup.find_all("div", class_=True):
    print(div)

【讨论】：

脚本的输出是“abc abc”，而不是请求的“
abc
”。