python - 如何去除前导或尾随空格、、空， 空的或者在Python中很容易？

Question

我有来自用户的段落输入。但是，总是有前导或尾随<br>、空<p>或空<div>，它们根本没有意义，它们会影响输出的格式。如何在 Python 中很好地正确地剥离它们？

用户输入的示例如下：

<br><div></div>
<div>Hello <a href="world.html">World!</a>.</div>
<br><br>
<div>Image below:<br>
<img src="abc.jpg" /><br><br></div><p></p>

我想要的理想结果是：

<div>Hello <a href="world.html">World!</a>.</div>
<br /><br />
<div>Image below:<br />
<img src="abc.jpg" /></div>

谢谢你。

Answer 1

如果这次我对您的理解正确，您可以尝试删除空标签 - 即没有文本的标签：

>>> from BeautifulSoup import BeautifulSoup as bs
>>> tags = bs('<div></div><p></p><div>Test text.</div><p></p>').findAll()
>>> [ tag for tag in tags if tag.text ]
[<div>Test text.</div>]

Answer 2

试试这个功能：

get_text('', '<br/>')

我有同样的问题，通过标签将文本分成多行

'<br/>' 

这个函数至少可以将这些行合并成一行，这样可以去掉这个标签的影响。希望有效！