python - BeautifulSoup:如何删除空表，同时保留部分空表或非空表

Question

我有一个最初在 MS Frontpage 中创建的旧网站，我正在尝试 defrontpagify。我写了一个 BeautifulSoup 脚本来完成大部分工作。唯一剩下的就是删除空表，例如在 any 的 td 标签中没有文本内容或数据的表。

我遇到的问题是，如果至少有一个 td 标签不包含数据，我到目前为止所尝试的方法会删除该表，即使其他标签包含数据也是如此。这会删除整个文档中的所有表格，包括包含我要保留的数据的表格。

tags = soup.findAll('table',text=None,recursive=True) 
[tag.extract() for tag in tags]

关于如何只删除 没有 的 td 标签包含任何数据的表，有什么建议吗？ (我不在乎它们是否包含 img 或空 anchor 标记，只要没有文本即可)。

Answer 1

使用 .text 属性。它检索该元素内的所有文本内容(递归)。

例子:

from BeautifulSoup import BeautifulSoup as BS

html = """
<table id="empty">
  <tr><td></td></tr>
</table>

<table id="with_text">
  <tr><td>hey!</td></tr>
</table>

<table id="with_text_in_one_row">
  <tr><td></td></tr>
  <tr><td>hey!</td></tr>
</table>

<table id="no_text_but_img">
  <tr><td><img></td></tr>
</table>

<table id="no_text_but_a">
  <tr><td><a></a></td></tr>
</table>

<table id="text_in_a">
  <tr><td><a>hey!</a></td></tr>
</table>

"""

soup = BS(html)
for table in soup.findAll("table" ,text=None,recursive=True):
    if table.text:
        print table["id"]

输出:

with_text
with_text_in_one_row
text_in_a