删除 html 标签中的数据 - Python答案

【问题标题】：Remove data within html tags - Python删除 html 标签中的数据 - Python
【发布时间】：2015-06-16 14:15:34
【问题描述】：

我正在尝试删除 Html 标签之间的一些数据，例如，

我有：

<html> 
   <nav id="123"> .. balaba .. </nav> 
   <nav id="abeij"> .. baz..</nav> 
</html>

我想删除所有导航以获得类似<html> </html> 的内容。

我尝试使用 BeautifulSoup 和正则表达式，但找不到信息如果我想删除所有导航，不管它们的参数是什么并保留剩下的

【问题讨论】：

您能否发布到目前为止您尝试过但不起作用的代码示例，以便我们帮助您调试它？
最好同时尝试，BeautifulSoup 和正则表达式。所以我们可以在这两个方面提供帮助。

标签： python html regex

【解决方案1】：

@Khalil 的解决方案 -- 使用正则表达式替换从第一个 <nav 到最后一个 nav> 的所有内容 -- 对于您给出的具体示例，这可能是最简单的答案。

对于干净地删除一些 html 标签及其内容的更一般的问题，您可以使用 BeautifulSoup 中的decompose() 方法：

from bs4 import BeautifulSoup

doc = """<html> 
   <nav id="123"> .. balaba .. </nav> 
   keep me here
   <nav id="abeij"> .. baz..</nav> 
</html>"""

soup = BeautifulSoup(doc)
for i in soup('nav'):
    i.decompose()
soup

# <html>
# <body> 
#   keep me here
#
# </body></html>

您可以使用它来删除您可以使用 BeautifulSoup 选择的任何一组标签。

【讨论】：

【解决方案2】：

>>> import re

>>> s = '<html> <nav id="123"> .. balaba .. </nav> <nav id="abeij"> .. baz..</nav> </html>'

>>> re.sub('<nav.*nav>','',s)
'<html>  </html>'

【讨论】：

有人应该明白这一点吗？你能解释一下你的方法和代码在做什么吗？