python - 从图像中解开 "a"标签，而不丢失内容

Question

我想从找到的所有图像中删除“a”标签(链接)。因此，为了提高性能，我在 html 中列出了所有图像，并寻找包装标签并简单地删除链接。

我正在使用 BeautifulSoup，不确定我做错了什么，它不是删除 a 标签，而是删除内部内容。

这就是我所做的

from bs4 import BeautifulSoup

html = '''<div> <a href="http://somelink"><img src="http://imgsrc.jpg" /></a> <a href="http://somelink2"><img src="http://imgsrc2.jpg /></a>"  '''
soup = BeautifulSoup(html)
for img in soup.find_all('img'):
    print 'THIS IS THE BEGINING /////////////// '
    #print img.find_parent('a').unwrap()
    print img.parent.unwrap()

这给了我以下输出

> >> print img.parent() 
<a href="http://somelink"><img src="http://imgsrc.jpg" /></a> 
<a href="http://somelink2"><img src="http://imgsrc2.jpg /></a>

> >> print img.parent.unwrap() 
<a href="http://somelink"></a> 
<a href="http://somelink2"></a>

我已经尝试过replaceWith和replaceWithChildren但当我使用 object.parent 时不起作用或findParent

我不知道我做错了什么。距离我开始使用 Python 才几周时间。

Answer 1

unwrap()函数返回已删除的标签。树本身已被适当修改。引用自 unwrap() documentation :

Like replace_with(), unwrap() returns the tag that was replaced.

换句话说:它工作正常!打印 img 的新父级而不是 unwrap() 的返回值看到 <a>标签确实已被删除:

>>> from bs4 import BeautifulSoup
>>> html = '''<div> <a href="http://somelink"><img src="http://imgsrc.jpg" /></a> <a href="http://somelink2"><img src="http://imgsrc2.jpg /></a>"  '''
>>> soup = BeautifulSoup(html)
>>> for img in soup.find_all('img'):
...     img.parent.unwrap()
...     print img.parent
... 
<a href="http://somelink"></a>
<div> <img src="http://imgsrc.jpg"/> <a href="http://somelink2"><img src="http://imgsrc2.jpg /&gt;&lt;/a&gt;"/></a></div>
<a href="http://somelink2"></a>
<div> <img src="http://imgsrc.jpg"/> <img src="http://imgsrc2.jpg /&gt;&lt;/a&gt;"/></div>

这里 python 回显 img.parent.unwrap()返回值，后跟 print 的输出显示 <img> 的父级的语句标签现在是 <div>标签。第一个打印显示其他 <img>标签仍然包裹着，第二个打印显示它们都是 <div> 的直接子代。标签。