BeautifulSoup的简单用法

最新推荐文章于 2025-12-08 12:04:40 发布

转载最新推荐文章于 2025-12-08 12:04:40 发布 · 143 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/wt7018/p/11361183.html

文章标签：

#python

本文介绍了如何使用Python的BeautifulSoup库来解析HTML文档，提取文本内容，并去除指定标签以防止XSS攻击。通过实例展示了从HTML字符串中获取纯文本的方法。

官方文档加载比较慢(估计是我党的原因)

https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html#find-parents-find-parent

1、下载BeautifulSoup4

2、导入模块

from bs4 import BeautifulSoup

3、使用BeautifulSoup获取标签中的text

from bs4 import BeautifulSoup
s1 = """
<p class="ql-align-justify"> 在纪录表上，火箭少女中包括孟美岐、吴宣仪、杨超越、段奥娟、Yamy、赖美云、张紫宁及李紫婷，在身高、体重的字段上都有至少一项的数据，不过除了赖美云之外，其他像孟美岐、吴宣仪等人的身高都比官方公布的数字矮1到3厘米，像杨超越官方数字是168厘米，但实际身高是166.5厘米。</p>
"""
bs = BeautifulSoup(s1, "html.parser")
print(bs.text)

目的：从HTML文件提取文本

4、作用：去除指定的标签，目的：富文本框防止XSS攻击

from bs4 import BeautifulSoup
    bs = BeautifulSoup(s1, "html.parser")
    ret = bs.text
    # print(ret)
    ret = bs.find_all()
    print(ret)
    for tag in bs.find_all():
        print(tag.name)
        if tag.name == "script":
            tag.decompose()