我可以删除“样式”属性具有特定值的标签，然后是 BeautifulSoup 中标签的所有属性吗？

Question

原来的 BeautifulSoup 对象如下所示：

<p style="padding-left: 140pt;text-indent: 0pt;line-height: 13pt;text-align: center;">blahblah</p>
<ul>
    <li style="padding-left: 11pt;text-indent: 0pt;line-height: 14pt;text-align: left;">
        <p style="display: inline;">blahblah</p>
    </li>
    <li style="padding-left: 11pt;text-indent: 0pt;line-height: 14pt;text-align: left;">
         <p style="text-indent: 0pt;text-align: center;">blahblah</p>
    </li>
</ul>

我要做的第一步是删除所有样式属性包含中心文本对齐的标签：

<ul>
    <li style="padding-left: 11pt;text-indent: 0pt;line-height: 14pt;text-align: left;">
        <p style="display: inline;">blahblah</p>
    </li>
    <li style="padding-left: 11pt;text-indent: 0pt;line-height: 14pt;text-align: left;">
    </li>
</ul>

那么第二步就是去掉所有的style属性：

<ul>
    <li>
        <p>blahblah</p>
    </li>
    <li>
    </li>
</ul>

也许上面的例子有点奇怪。但问题是：虽然很容易在 BeautifulSoup 对象中找到一个标签（或多个标签），但我们能找到一种简单的方法来操作 BeautifulSoup 对象本身吗？如果我知道标签的位置，我可以轻松地将它从 BeautifulSoup 对象中删除。比如我想去掉第二个<li>标签，我可以用soup.ul.li指向第一个<li>标签，然后用.next_sibling移动到第二个，再用.decompose()去从 BeautifulSoup 对象中删除它。但是如果我不知道要删除的标签的位置，只知道这些标签应该满足的条件，似乎没有办法找出这些标签的确切位置，然后对 BeautifulSoup 对象进行操作。

Answer 1

您可以使用re 包来匹配style 属性中的text-align: center。 然后，您只需检查其存在即可删除style 属性。

代码：

from bs4 import BeautifulSoup as soup
import requests
import re

html = """<p style="padding-left: 140pt;text-indent: 0pt;line-height: 13pt;text-align: center;">blahblah</p>
<ul>
    <li style="padding-left: 11pt;text-indent: 0pt;line-height: 14pt;text-align: left;">
        <p style="display: inline;">blahblah</p>
    </li>
    <li style="padding-left: 11pt;text-indent: 0pt;line-height: 14pt;text-align: left;">
         <p style="text-indent: 0pt;text-align: center;">blahblah</p>
    </li>
</ul>"""

page = soup(html, 'html.parser')

style_center = page.find_all(style=re.compile('text-align: center'))
for style in style_center:
    style.decompose()

for tag in page.find_all():
    if 'style' in tag.attrs:
        del tag.attrs['style']

print(page)

输出：

<ul>
<li>
<p>blahblah</p>
</li>
<li>

</li>
</ul>