0

编辑：基本上，我正在尝试执行分解，但不是删除标签并完全破坏其内容，我想用它的内容替换标签。

我想用字符串格式的标签内容替换 html 文档中的所有“a”标签。这将使我能够更轻松地将 html 写入 csv。但是，我无法通过替换步骤。我一直在尝试使用 BeautifulSoup 的 replace_with() 来完成它，但结果并没有按预期返回。

# Import modules
from bs4 import BeautifulSoup
from urllib2 import urlopen

# URL to soup
URL = 'http://www.barringtonhills-il.gov/foia/ordinances_12.htm'
html_content = urlopen(URL).read()
soup = BeautifulSoup(html_content)

# Replaces links with link text
links = soup.find_all('a')
for link in links:
    linkText = link.contents[0]
    linkTextCln = '%s' % (linkText.string)
    if linkTextCln != 'None':
        link.replaceWith(linkTextCln)
        print link

这将返回：

<a href="index.htm">Home</a>
<a href="instruct.htm">Instructions</a>
<a href="requests.htm">FOIA Requests</a>
<a href="kiosk.htm">FOIA Kiosk</a>
<a href="geninfo.htm">Government Profile</a>
etc etc etc

但预期回报是：

Home
Instructions
FOIA Requests
FOIA Kiosk
Government Profile
etc etc etc

关于为什么 replaceWith 没有按预期工作的任何想法？有没有更好的方法来解决这个问题？

4

1 回答 1

0

我相信使用 bs4，方法是现在replace_with，但如果您只是想输出标签的内容，以下工作：

from bs4 import BeautifulSoup

s = '''
<a href="index.htm">Home</a>
<a href="instruct.htm">Instructions</a>
<a href="requests.htm">FOIA Requests</a>
<a href="kiosk.htm">FOIA Kiosk</a>
<a href="geninfo.htm">Government Profile</a>
'''
soup = BeautifulSoup(s, 'html.parser')

for tag in soup.findAll('a'):
    print(tag.string)

输出：

Home
Instructions
FOIA Requests
FOIA Kiosk
Government Profile
[Finished in 0.2s]
于 2016-03-02T21:28:57.600 回答