python - 使用 BeautifulSoup 去除 html 的脚本和样式标签？

Question

我有一个简单的脚本，我在其中获取 HTML 页面，将其传递给 BeautifulSoup 以删除所有脚本和样式标签，然后我想将 HTML 结果传递给另一个方法。是否有捷径可寻？浏览 BeautifulSoup.py，我还没有看到它。

soup = BeautifulSoup(html)
for script in soup("script"):
    soup.script.extract()

for style in soup("style"):
    soup.style.extract()
contents = soup.html.contents
text = loader.extract_text(contents)

contents = soup.html.contents 只是获取一个列表，并且所有内容都在类中定义。有没有一种方法可以在soup 操作后只返回原始html？还是我只需要浏览contents列表并将 html 拼凑在一起，不包括脚本和样式标签？

还是有更好的解决方案来完成我想要的？

Answer 1

unicode( soup )给你html。

你想要的是这个：

for elem in soup.findAll(['script', 'style']):
    elem.extract()