Python如何删除html中的空行答案

【问题标题】：Python How to remove empty line in htmlPython如何删除html中的空行
【发布时间】：2016-12-21 13:29:09
【问题描述】：

我有一些问题。我从 html 中删除了一些标签。但我希望输出没有空行。喜欢这个。

<!DOCTYPE html>
<html itemscope="itemscope" itemtype="http://schema.org/WebPage" lang="id-ID">
<head>
<title>Kenya Kasat Narkoba Polres Bintan Diganti? Ini Pesan Kapolres melada Kasatreskrim Baru - Tribun Batam</title>

</head>
<body id="bodyart">
<div id="skinads" style="position:fixed;width:100%;">
<div class="main">
<div class="f1" style="height:600px;width:90px;left:-97px:position:relative;text-align:right;z-index:999999">
<div id="div-Left-Skin" style="width:90px; height:600px;display:none">

</div>
</div>
<div class="fr" style="height:600px;width;90px;right:-97px;position:relative;text-align:left;z-index:999999">
<div id="div-Right-Skin" style="width:90px; height:600px;display:none">

</div>
</div>
</div>
<div class="cl2"></div>
</div>
<div id="fb-root"></div>

我的预期输出是

<!DOCTYPE html>
<html itemscope="itemscope" itemtype="http://schema.org/WebPage" lang="id-ID">
<head>
<title>Kenya Kasat Narkoba Polres Bintan Diganti? Ini Pesan Kapolres melada Kasatreskrim Baru - Tribun Batam</title>
</head>
<body id="bodyart">
<div id="skinads" style="position:fixed;width:100%;">
<div class="main">
<div class="f1" style="height:600px;width:90px;left:-97px:position:relative;text-align:right;z-index:999999">
<div id="div-Left-Skin" style="width:90px; height:600px;display:none">
</div>
</div>
<div class="fr" style="height:600px;width;90px;right:-97px;position:relative;text-align:left;z-index:999999">
<div id="div-Right-Skin" style="width:90px; height:600px;display:none">
</div>
</div>
</div>
<div class="cl2"></div>
</div>
<div id="fb-root"></div>

如何去除html中的空行？我可以用美丽的汤吗？或者任何图书馆？

更新

我尝试将我的代码与@elethan 的答案结合起来，但我遇到了一些错误

我的代码是

from list import get_filepaths
from bs4 import BeautifulSoup
from bs4 import Comment


filenames = get_filepaths(r"C:\Coba")
index = 0
for f in filenames:
    file_html=open(str(f),"r")
    soup = BeautifulSoup(file_html,"html.parser")
    [x.extract() for x in soup.find_all('script')]
    [x.extract() for x in soup.find_all('style')]
    [x.extract() for x in soup.find_all('meta')]
    [x.extract() for x in soup.find_all('noscript')]
    [x.extract() for x in soup.find_all(text=lambda text:isinstance(text, Comment))]

    index += 1
    stored_file = "PreProcessing\extracts" + '{0:03}'.format(index) + ".html"
    filewrite = open(stored_file, "w")
    filewrite.write(str(soup) + '\n')
    with open(stored_file, 'r+') as f:
        lines = [i for i in f.readlines() if i and i != '\n']
        f.seek(0)
        f.writelines(lines)
        f.truncate()
    filewrite.close

但我得到了这样的输出（抱歉不能粘贴 html）实际上它一开始还不错，但几乎到了结尾 nul nul nul （就像屏幕截图一样）。

如何去除nul nul nul？

【问题讨论】：

您应该在此处粘贴 HTML 而不是图片...
您可以将文本作为文本而不是屏幕截图发布吗？
Sublime 是很棒的编辑器，但是请您将代码作为文本插入好吗？
在您的 IDE 中，将 \n\n 替换为 \n

标签： python html beautifulsoup bs4

【解决方案1】：

在您的代码中，首先从文件中删除所有额外的换行符：

with open(my_html_file) as f:
    lines = [i for i in f.readlines() if i and i != '\n']

然后将过滤后的文本写回文件：

with open(my_html_file, 'w') as f:
    f.writelines(lines)

或者在一个 with 块中完成整个事情：

with open(my_html_file, 'r+') as f:
    lines = [i for i in f.readlines() if i and i != '\n']
    f.seek(0)
    f.writelines(lines)
    f.truncate()

根据您现有的代码（您应该将其添加到您的问题中），您也许可以简单地将我的代码的过滤部分添加到您拥有的代码中。

【讨论】：

嘿，我试过你的答案，但遇到了一些问题。我更新我的问题。请帮我。谢谢

【解决方案2】：

是的，您可以使用 Beautifulsoup，而且非常简单。

BS4 将尝试修复损坏的 html 标记，例如最后一行 </body></html> 并删除空格。不同解析器的结果会略有不同，'lxml' 解析器表现良好。

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc, 'lxml')
print(str(soup))

出来：

<!DOCTYPE html>
<html itemscope="itemscope" itemtype="http://schema.org/WebPage" lang="id-ID">
<head>
<title>Kenya Kasat Narkoba Polres Bintan Diganti? Ini Pesan Kapolres melada Kasatreskrim Baru - Tribun Batam</title>
</head>
<body id="bodyart">
<div id="skinads" style="position:fixed;width:100%;">
<div class="main">
<div class="f1" style="height:600px;width:90px;left:-97px:position:relative;text-align:right;z-index:999999">
<div id="div-Left-Skin" style="width:90px; height:600px;display:none">
</div>
</div>
<div class="fr" style="height:600px;width;90px;right:-97px;position:relative;text-align:left;z-index:999999">
<div id="div-Right-Skin" style="width:90px; height:600px;display:none">
</div>
</div>
</div>
<div class="cl2"></div>
</div>
<div id="fb-root"></div>
</body></html>

【讨论】：