python - 如何使用 Python 从列表中的项目中删除 和 标签？

Question

我正在抓取的 Html:

<tr>
    <td align="left" bgcolor="#ffff99">
        <font size="2">
            <a href="some/link.htm">
                <b>SomeStuff</b>
            </a>
        </font>
    </td>
</tr>
</tr>
    <td align="left" bgcolor="#ffff99">
        <font size="2">
            <a href="some/link2.htm">
                <b>SomeMoreStuff</b>
            </a>
        </font>
    </td>
</tr>

我如何抓取信息:

my_list = []
for i in soup.find_all('a',href=re.compile('some/link')):
    my_list.append(str(i.find('b')))
    my_list.append(i['href'])

我需要从列表中的元素中删除 HTML 标记。
但是，当我创建循环时，它不会保存列表中的任何更改。我的列表看起来像这样:

my_list = ['<br>SomeStuff</br>','some/link.htm',
           '<br>SomeMoreStuf</br>', 'some/link2.htm',
           '<br>EvenMoreStuff</br>', 'some/link3.htm']

我试过这个:

for i in my_list:
    i = i.replace('<br>','')
    i = i.replace('</br>','')

我已经尝试过这个:

for i in my_list:
    if '<br>' in i:
        i = i.replace('<br>','')
    if '</br> in i:    
        i = i.replace('</br>','')

这些都不会对原始列表进行任何更改。我可以通过不将更改存储在任何内容中来打印出我想要的更正:

for i in my_list:
    i.replace('<br>','')

但是我需要将更改保存在列表中。

Answer 1

所有解决方案都有效，只是您忘记更新列表。

for i, element in enumerate(my_list):
    element = element.replace('<br>','')
    element = element.replace('</br>','')
    my_list[i] = element

现在打印 my_list 输出:

['SomeStuff', 'some/link.htm', 'SomeMoreStuf', 'some/link2.htm', 'EvenMoreStuff', 'some/link3.htm']

您还可以使用列表理解，这将产生相同的结果:

my_list = [i.replace('<br>', '').replace('</br>', '') for i in my_list]