使用 bs4 查找和删除 HTML5 data-* 属性答案

【问题标题】：Find and delete HTML5 data-* attributes with bs4使用 bs4 查找和删除 HTML5 data-* 属性
【发布时间】：2018-08-12 07:05:46
【问题描述】：

HTML5 文件可能包含custom data-* attributes。

我想用 bs4 查找并删除所有这些 data-* 属性。

根据 bs4 文档，可以使用 attrs 属性搜索这些属性。

例如：

import re
from bs4 import BeautifulSoup
data_soup = BeautifulSoup('<div data-foo="value">foo!</div>')
data_soup.find_all(attrs={"data-foo": "value"})

但是，以下行不起作用：

data_soup.find_all(attrs={re.compile('data.*') : True})

我需要使用什么正则表达式来查找所有 data-* 属性（无论它们的值如何）？
找到后，如何使用 del 将其删除？

【问题讨论】：

标签： html python-3.x beautifulsoup

【解决方案1】：

是的，要删除属性，您只需在 tag.attrs 上使用 del：

data = '''
<ul>
  <li data-animal-type="bird" data-other="this is other data">Owl</li>
  <li data-animal-type="fish">Salmon</li>
  <li data-animal-type="spider">Tarantula</li>
</ul>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'lxml')

print('Original soup:')
print(soup)
print('-' * 80)

for tag in soup.find_all(lambda t: any(i.startswith('data-') for i in t.attrs)):
    for attr in list(tag.attrs):
        if attr.startswith('data-'):
            del tag.attrs[attr]

print()
print('Soup without data-* tags:')
print(soup)
print('-' * 80)

打印出来：

Original soup:
<html><body><ul>
<li data-animal-type="bird" data-other="this is other data">Owl</li>
<li data-animal-type="fish">Salmon</li>
<li data-animal-type="spider">Tarantula</li>
</ul></body></html>
--------------------------------------------------------------------------------

Soup without data-* tags:
<html><body><ul>
<li>Owl</li>
<li>Salmon</li>
<li>Tarantula</li>
</ul></body></html>
--------------------------------------------------------------------------------

【讨论】：