[英]Beautiful Soup: Remove Tags that only contain href
从BeautifulSoup,我得到了特定标签的列表,其中一些标签仅包含链接,没有其他文本。 当我在这些上使用get_text()
方法时,我得到了链接的描述。
但是,当标记仅包含<a href>
元素时,我想忽略它。
Tag: <p class="abc">text1 <a href=...>desc</a> text2</p> -> result: text1 desc text2 (OKAY)
Tag: <p class="abc"><a href=...>desc</a></p> -> result: desc (NOT OKAY)
当标签仅包含链接时,我想将其过滤掉。 我怎样才能做到这一点?
这个想法是遍历p
标签并检查是否只有一个孩子包含a
标签:
from bs4 import BeautifulSoup
data = """
<div>
<p class="abc">text1 <a href='http://mysite1.com'>desc1</a> text2</p>
<p class="abc"><a href='http://mysite2.com'>desc2</a></p>
<p class="abc"><a href='http://mysite3.com'>desc3</a>text3</p>
<p class="abc">text4<a href='http://mysite4.com'>des4</a></p>
<p class="abc">text5</p>
</div>
"""
soup = BeautifulSoup(data)
for p in soup('p', class_='abc'):
if len(p.contents) == 1 and p.contents[0].name == 'a':
print p
打印:
<p class="abc"><a href="http://mysite2.com">desc2</a></p>
仅供参考, .contents
包含标签的子级列表。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.