python - 使用 BeautifulSoup 去除 html 中的脚本和样式标签？

Question

我有一个简单的脚本，我在其中获取 HTML 页面，将其传递给 BeautifulSoup 以删除所有脚本和样式标签，然后我想将 HTML 结果传递给另一个方法。是否有捷径可寻？浏览了一下BeautifulSoup.py，还没看到。

soup = BeautifulSoup(html)
for script in soup("script"):
    soup.script.extract()

for style in soup("style"):
    soup.style.extract()
contents = soup.html.contents
text = loader.extract_text(contents)

contents = soup.html.contents 只是得到一个列表，所有内容都在类中定义。有没有一种方法可以在 soup 操作之后只返回原始 html？或者我是否只需要浏览 contents 列表并将 html 重新组合在一起，不包括脚本和样式标签？

或者是否有更好的解决方案来完成我想要的？

Answer 1

unicode( soup ) 给你 html。

另外你想要的是:

for elem in soup.findAll(['script', 'style']):
    elem.extract()