用 BeautifulSoup 替换 html 标签答案

【问题标题】：replacing html tags with BeautifulSoup用 BeautifulSoup 替换 html 标签
【发布时间】：2010-10-11 15:51:55
【问题描述】：

我目前正在使用 BeautifulSoup 重新格式化一些 HTML 页面，但遇到了一点问题。

我的问题是原来的 HTML 有这样的东西：

<li><p>stff</p></li>

和

<li><div><p>Stuff</p></div></li>

还有

<li><div><p><strong>stff</strong></p></div><li>

使用 BeautifulSoup 我希望消除 div 和 p 标签，如果它们存在，但保留 strong 标签。

我正在浏览精美的汤文档，但找不到任何内容。想法？

谢谢。

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

这个问题可能是指较旧版本的 BeautifulSoup，因为使用 bs4 您可以简单地使用 unwrap 函数：

s = BeautifulSoup('<li><div><p><strong>stff</strong></p></div><li>')
s.div.unwrap()
>> <div></div>
s.p.unwrap()
>> <p></p>
s
>> <html><body><li><strong>stff</strong></li><li></li></body></html>

【讨论】：

【解决方案2】：

您可以使用replaceWith 完成您想做的事情。您必须复制要用作替换的元素，然后将其作为参数提供给replaceWith。 documentation for replaceWith 非常清楚如何做到这一点。

【讨论】：

FWIW，crummy.com/software/BeautifulSoup/bs4/doc/#replace-with 是 bs4 文档

【解决方案3】：

对于这个简单的问题，我看到了很多答案，我也来这里是为了看一些有用的东西，但不幸的是我没有得到我想要的东西，经过几次尝试后，我找到了一个简单的解决方案来解决这个问题，这就是

p>

soup = BeautifulSoup(htmlData, "html.parser")

h2_headers = soup.find_all("h2")

for header in h2_headers:
    header.name = "h1" # replaces h2 tag with h1

所有 h2 标签都转换为 h1。只需更改名称即可转换任何标签。

【讨论】：

【解决方案4】：

您可以编写自己的函数来去除标签：

import re

def strip_tags(string):
    return re.sub(r'<.*?>', '', string)

strip_tags("<li><div><p><strong>stff</strong></p></div><li>")
'stff'

【讨论】：

是的，但我实际上想要 那里。同样在浏览了几个随机页面后，只有 div 和 p 需要担心。

【解决方案5】：

简单的解决方案让你的整个节点意味着div：

转换为字符串
将<tag> 替换为所需的标签/字符串。
用空字符串替换对应的标签。

通过传递给 beautifulsoup 将转换后的字符串转换为可解析的字符串

我为mint做了什么

例子：

<div class="col-md-12 option" itemprop="text">
<span class="label label-info">A</span>

**-2<sup>31</sup> to 2<sup>31</sup>-1**

sup = opt.sup 
    if sup: //opt has sup tag then

         //opts converted to string. 
         opt = str(opts).replace("<sup>","^").replace("</sup>","") //replacing

         //again converted from string to beautiful string.
         s = BeautifulSoup(opt, 'lxml')

         //resign to required variable after manipulation
         opts = s.find("div", class_="col-md-12 option")

输出：

-2^31 to 2^31-1
without manipulation it will like this (-231 to 231-1)

【讨论】：