我尝试做的事情:
使用 bs4 从 html 邮件中删除可疑评论。现在我遇到了所谓conditional comments
的类型问题downlevel-revealed
。
import bs4
html = 'A<!--[if expression]>a<![endif]-->' \
'B<![if expression]>b<![endif]>'
soup = bs4.BeautifulSoup(html, 'html5lib')
for comment in soup.find_all(text=lambda text: isinstance(text, bs4.Comment)):
comment.extract()
提取评论之前:
'A',
'[if expression]>a<![endif]',
'B',
'[if expression]',
'b',
'[endif]',
提取评论后:
'A',
'B',
'b',
问题:
小b也应该去掉。问题是,bs4 将第一个评论检测为一个评论对象,但第二个被检测为 3 个对象。Comment(if)、NavigableString(b) 和 Comment(endif)。提取只是删除了这两种评论类型。内容为“b”的 NavigableString 保留在 DOM 中。
有什么解决办法吗?