python - beautifulsoup - 删除一行代码答案

【问题标题】：python - beautifulsoup - removing a line of codepython - beautifulsoup - 删除一行代码
【发布时间】：2019-04-15 18:27:37
【问题描述】：

我开始学习beautifulsoup。我正在尝试从 html 脚本中删除一行包含 </div> 的代码。

文档中的大多数示例都是针对整个标签（开始和结束部分）提供的。
是否可以只修改标签的一部分？例如：

</div>
<div >Hello</div>
<div data-foo="value">foo!</div>

如何只删除第一行代码？

【问题讨论】：

标签： python html web-scraping beautifulsoup

【解决方案1】：

您可以使用 BeautifulSoup 的unwrap() 指定无效标签，它只会删除没有打开/关闭对应项的额外标签，而保留其他标签：

soup = BeautifulSoup(html_doc, 'html.parser')

invalid_tags = ['</div>']

for tag in invalid_tags: 
    for match in soup.findAll(tag):
        match.unwrap()

print(soup)

结果：

<div>Hello</div>
<div data-foo="value">foo!</div>

【讨论】：

不应该invalid_tags = ['<\div>'] 是['</div>']？
我不知道，但这也有效，可能是首选约定，会更新，谢谢。

【解决方案2】：

你不需要做任何事情它会自动修复

from bs4 import BeautifulSoup

html_doc = '''</div> 
<div>World</div>
<div data-foo="value">foo!''' # also invalid, no closing

soup = BeautifulSoup(html_doc, 'html.parser')
print(soup)

输出

<div>World</div>
<div data-foo="value">foo!</div>

unwrap() 用于移除非修复标签。

【讨论】：