python - 如何从文本中删除所有href标签

Question

我有一个脚本来替换“ahref”标签中的一个单词。但是，我想完全删除 a href，这样您就可以在没有链接的情况下使用 Google 一词。

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    a['href'] = a['href'].replace("google", "mysite")
result = str(soup)

你也可以找到所有放在href中的单词并在它们之前和之后放置一个“”。我不知道该怎么做。我想这是在更换之前完成的。

Answer 1

改为使用del a['href']，就像在普通字典上一样：

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    del a['href']

给你：

>>> print str(soup)
<p>Hello <a>Google</a></p>

更新：

如果要完全摆脱<a>标签，可以使用以下.replaceWithChildren()方法：

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    a.replaceWithChildren()

给你：

>>> print str(soup)
<p>Hello Google</p>

...并且，您在评论中要求的内容（用空格包装标签的文本内容）可以通过以下方式实现：

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<p>Hello <a href="http://google.com">Google</a></p>')
for a in soup.findAll('a'):
    del a['href']
    a.setString(' %s ' % a.text)

给你：

>>> print str(soup)
<p>Hello <a> Google </a></p>

Answer 2

你可以用漂白剂

pip install bleach

然后像这样使用它...

import bleach
from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup('<a href = "somesite.com">hello world</a>')
clean = bleach.clean(soup,tags[],strip=True)

这导致...

>>> print clean
u'hello world'

这是漂白剂的文档。