使用 BeautifulSoup 仅打印 HTML 代码中的外部标签答案

【问题标题】：Printing only outer tags in HTML code using BeautifulSoup使用 BeautifulSoup 仅打印 HTML 代码中的外部标签
【发布时间】：2019-11-07 04:56:57
【问题描述】：

整个 HTML 代码的一部分如下所示

<td class="col2">
<a class="reserve" data-target="#myModal" data-toggle="modal"     
href="example.com" rel="nofollow"></a></td>

我发现它使用

soup.find_all('td', class_='col2')

但是我想提取的不是代码的全部部分，而只是

<td class="col2"></td>

可以使用 BeautifulSoup 吗？我知道我可以使用字符串来做到这一点，但我只是好奇。

【问题讨论】：

a 标签在 td 内。你的最终目标是什么？

标签： python web-scraping beautifulsoup

【解决方案1】：

您可以将 string 属性设置为空字符串 ('')：

html = """
<td class="col2">
<a class="reserve" data-target="#myModal" data-toggle="modal"     
href="example.com" rel="nofollow"></a></td>
"""
soup = BeautifulSoup(html)
x = soup.find('td', class_='col2')
x.string = ''
print(x)

输出

<td class="col2"></td>

这是documentation 讲述的内容：

如果你设置标签的.string属性，标签的内容会被你给的字符串替换

注意：如果标签包含其他标签，它们及其所有内容都将被销毁。

【讨论】：

【解决方案2】：

您可以使用extract() 函数提取td.col2 中的所有元素：

data = '''
<td class="col2">
<a class="reserve" data-target="#myModal" data-toggle="modal"
href="example.com" rel="nofollow"></a></td>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'lxml')

for td in soup.select('td.col2'):
    for t in td.select('*'):
        t.extract()
    print(td)

打印：

<td class="col2">
</td>

【讨论】：