通过beautifulsoup安全地移除标签中的孩子

Question

假设现在我有一个通过 findAll 在汤中获得的标签div 。

div = <div>text1<span>text2<\span>text3</div>

请注意，我想保留一些外部结构。 例如， div.previous_element将连接到汤中的其他标签。 现在我展开了跨度，以便

div.contents=['text1','text2','text3']

我想要的是：

1. div.contents=['text1text2text3']
2. div.string 不是没有。
3. 与汤的连接没有被切断（div.previous_element 也工作）

Answer 1

尝试这个。

from simplified_scrapy.simplified_doc import SimplifiedDoc
html='''<div>text1<span>text2<\span>text3</div>'''
doc = SimplifiedDoc(html)
div = doc.div
print (div)
print (div.text)

结果：

{'tag': 'div', 'html': 'text1<span>text2<\\span>text3'}
text1text2text3

您可以在此处获取 SimplifiedDoc 的示例