python - BeautifulSoup 删除标签后跟特定标签和特定属性

Question

我是网络抓取领域的新手，到目前为止，我对 BeautifulSoup 感到非常惊讶。但是，有些事情我无法做到。

我想做的是删除一些标签，这些标签后面跟着一些特定的标签和特定的属性。

让我告诉你:

#Import modules
from bs4 import BeautifulSoup
import requests

#Parse URL
url = "http://www.soccervista.com/Italy-Serie_A-2016_2017-845699.html"
r = requests.get(url)
data = r.text
soup = BeautifulSoup(data, 'html.parser')

#This is the table which I want to extract
table = soup.find_all('table')[4]

在获得我想要操作的正确表后，有一些'tr'标签，后面跟着'td'和属性'colspan'

我最终想要的是删除那些特定的“tr”，因为我需要更多的“tr”标签。

带有“colspan”属性的“td”共有 3 个:

#Output for 'td' with 'colspan'

print(table.select('td[colspan]'))

[<td colspan="13"><img height="10" src="/imgs/line.png" width="100%"/></td>,
 <td colspan="13"><img height="10" src="/imgs/line.png" width="100%"/></td>,
 <td colspan="13"><img height="10" src="/imgs/line.png" width="100%"/></td>]

这里是 HTML 的摘录和我要删除的特定“tr”的一个示例(在下面插入一条注释，上面写着“#THIS ONE!”):

 <td align="center">
    2:1
   </td>
   <td class="one">
    AC Milan
   </td>
   <td>
    <a href="/Cagliari-AC_Milan-2320071-2320071.html">
     <img alt="More details about  -  soccer game" border="0" height="14" src="/imgs/detail3.gif" width="14"/>
    </a>
   </td>
  </tr>
  ***<tr class="predict"> ------------- >>> **#THIS ONE!*****
   <td colspan="13">
    <img height="10" src="/imgs/line.png" width="100%"/>
   </td>
   <tr class="predict">
    <td>
     27 May
    </td>
    <td>
     38
    </td>
    <td>
     FT
    </td>
    <td align="right" class="one">

顺便说一下，我也想删除“td colspan”和“img”。

有什么想法吗？

*已安装 Python 最新版本

*已安装 BeautifulSoup 模块最新版本

Answer 1

找到您要删除的特定标签，然后使用 deompose() 或 extract() 。

for tag in tags_to_delete:
    tag.decompose()

或者

for tag in tags_to_delete:
    tag.extract() 

编辑

要找到特定的标签，您可以先找到所有的 tr 标签，然后检查该标签是否具有 td 属性 colspan="13" 如果是，则 decompose() 它。

import requests
from bs4 import BeautifulSoup

url = "http://www.soccervista.com/Italy-Serie_A-2016_2017-845699.html"
r = requests.get(url)
data = r.text
soup = BeautifulSoup(data, 'lxml')

table = soup.find_all('table')[4]    
for t in table.find_all("tr", class_="predict"):

    check = t.find("td", colspan="13")
    if(check != None):
        t.decompose()