有没有人有一些示例代码来说明如何使用Python的Beautiful Soup从文本字符串中剥离除某些标签之外的所有html标签？
我想剥离所有的javascript和html标签，除了:
<a></a>
<b></b>
<i></i>
还有类似的东西:
<a onclick=""></a>
感谢您的帮助-为此，我在互联网上找不到很多东西。
最佳答案
import BeautifulSoup
doc = '''<html><head><title>Page title</title></head><body><p id="firstpara" align="center">This is <i>paragraph</i> <a onclick="">one</a>.<p id="secondpara" align="blah">This is <i>paragraph</i> <b>two</b>.</html>'''
soup = BeautifulSoup.BeautifulSoup(doc)
for tag in soup.recursiveChildGenerator():
if isinstance(tag,BeautifulSoup.Tag) and tag.name in ('a','b','i'):
print(tag)
产量
<i>paragraph</i>
<a onclick="">one</a>
<i>paragraph</i>
<b>two</b>
如果只需要文本内容，则可以将
print(tag)更改为print(tag.string)。如果要从
onclick=""标记中删除诸如a之类的属性，则可以执行以下操作:if isinstance(tag,BeautifulSoup.Tag) and tag.name in ('a','b','i'):
if tag.name=='a':
del tag['onclick']
print(tag)
关于python - 使用Beautiful Soup从字符串中剥离html标签，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/4423953/