如何使用漂亮的汤删除其他 html 标签之间的标签答案

【问题标题】：How do I remove tags in between other html tags using beautiful soup如何使用漂亮的汤删除其他 html 标签之间的标签
【发布时间】：2015-04-29 18:32:03
【问题描述】：

以此帖子为基础：Can I remove script tags with BeautifulSoup?

假设我有一个这样的 html 文档：

'<td><script class="blah">a</script>baba<script id="blahhhh">b</script></td>'

如何删除脚本标签，但在脚本标签之间保留文本，所以输出将是：

'<td>ababab</td>'

【问题讨论】：

标签： python python-3.x beautifulsoup

【解决方案1】：

from BeautifulSoup import BeautifulSoup

VALID_TAGS = ['td']

def sanitize_html(value):

    soup = BeautifulSoup(value)

    for tag in soup.findAll(True):
        if tag.name not in VALID_TAGS:
            tag.hidden = True

    return soup.renderContents()

这会保留无效标签的内容。

Python HTML sanitizer / scrubber / filter.

【讨论】：

【解决方案2】：

您可以使用简单的getText() 来获取没有子标签的标签内容：

from bs4 import BeautifulSoup

soup = BeautifulSoup('<td><script class="blah">a</script>baba<script id="blahhhh">b</script></td>')
td = soup.td
#update content of <td> to concatenation of all inner text nodes
td.string = td.getText()
print(soup)

输出：

<html><body><td>ababab</td></body></html>

【讨论】：