python - 通过 beautifulsoup 安全删除标签中的子项

Question

假设现在我在 soup 中有一个由 findAll 获得的标签 div 。

div = <div>text1<span>text2<\span>text3</div>

请注意，我想保留一些外部结构。例如，div.previous_element 将连接到 soup 中的其他标签。现在我展开了跨度，这样

div.contents=['text1','text2','text3']

我想要的是:

1. div.contents=['text1text2text3']
2. div.string 不是 none。
3. 与 soup 的连接未切断(div.previous_element 也正常工作)

Answer 1

试试这个。

from simplified_scrapy.simplified_doc import SimplifiedDoc
html='''<div>text1<span>text2<\span>text3</div>'''
doc = SimplifiedDoc(html)
div = doc.div
print (div)
print (div.text)

结果:

{'tag': 'div', 'html': 'text1<span>text2<\\span>text3'}
text1text2text3

您可以获取 SimplifiedDoc here 的示例