Python - Beautiful Soup - 删除一行代码

Question

我开始学习beautifulsoup。我正在尝试从html脚本中删除包含</div>的代码行。 文档中大多数示例都是针对整个标签（开头和结尾）。是否可能仅修改标签的一部分？例如：

</div>
<div >Hello</div>
<div data-foo="value">foo!</div>

如何仅删除代码的第一行？

- Chris

Answer 1

你可以使用BeautifulSoup的 unwrap() 方法来指定无效标签，它只会删除那些没有开/闭标记对应的额外标签，同时保留其他标签：

soup = BeautifulSoup(html_doc, 'html.parser')

invalid_tags = ['</div>']

for tag in invalid_tags: 
    for match in soup.findAll(tag):
        match.unwrap()

print(soup)

结果：

<div>Hello</div>
<div data-foo="value">foo!</div>

- chickity china chinese chicken

---

“invalid_tags = ['<\div>']” 不应该是 “['</div>']” 吗？ - aneroid

我不知道，但那也可以工作，并且可能是首选惯例，我会更新，谢谢。 - chickity china chinese chicken

Answer 2

您不需要做任何事情，它会自动修复。

from bs4 import BeautifulSoup

html_doc = '''</div> 
<div>World</div>
<div data-foo="value">foo!''' # also invalid, no closing

soup = BeautifulSoup(html_doc, 'html.parser')
print(soup)

输出

<div>World</div>
<div data-foo="value">foo!</div>

"

unwrap() 用于删除而不是修复标签。

"

- ewwink