[英]Beautiful Soup: Remove Tags that only contain href
從BeautifulSoup,我得到了特定標簽的列表,其中一些標簽僅包含鏈接,沒有其他文本。 當我在這些上使用get_text()
方法時,我得到了鏈接的描述。
但是,當標記僅包含<a href>
元素時,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)
當標簽僅包含鏈接時,我想將其過濾掉。 我怎樣才能做到這一點?
這個想法是遍歷p
標簽並檢查是否只有一個孩子包含a
標簽:
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>
僅供參考, .contents
包含標簽的子級列表。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.