使用BeautifulSoup删除html中的script、注释

最新推荐文章于 2025-03-05 16:44:55 发布

转载最新推荐文章于 2025-03-05 16:44:55 发布 · 332 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：https://my.oschina.net/letiantian/blog/504669

文章标签：

#python

本文介绍如何使用Python的BeautifulSoup库去除HTML中的script标签和注释内容，并提供了两个示例代码。第一个示例展示了如何删除所有script标签及其内容，第二个示例则展示了如何移除HTML中的注释。

2019独角兽企业重金招聘Python工程师标准>>>

##示例1：去除script

#! /usr/bin/env python
# -*- coding: utf-8 -*- 

from BeautifulSoup import BeautifulSoup
html = '''
<script>a</script>
baba
<script>b</script>
<h1>hi, world</h1>
'''
soup = BeautifulSoup('<script>a</script>baba<script>b</script><h1>')
[s.extract() for s in soup('script')]
print soup

输出：

baba<h1></h1>

可以使用这种方法去除其他标签、以及其中内容。

也可以将

[s.extract() for s in soup('script')]

替换为：

[s.extract() for s in soup.findAll('script')]

##示例2：去除注释

#! /usr/bin/env python
# -*- coding: utf-8 -*- 

from BeautifulSoup import BeautifulSoup, Comment
data = """<div class="foo">
cat dog sheep goat
<!--
<p>test</p>
-->
</div>"""

soup = BeautifulSoup(data)

for element in soup(text=lambda text: isinstance(text, Comment)):
    element.extract()

print soup.prettify()

输出结果：

<div class="foo">
 cat dog sheep goat
</div>

转载于:https://my.oschina.net/letiantian/blog/504669