如何使用 python 從文本中刪除 html 標簽？

Question

我是使用 python 的新手，我正在嘗試創建一個簡單的腳本，從 Urban Dictionary 中打印出當天的單詞。

    import requests
    from bs4 import BeautifulSoup

    # requests urban dictionary home page 
    r = requests.get('https://www.urbandictionary.com')

    soup = BeautifulSoup(r.text, 'html.parser')

    # finds the title
    title = soup.find('title').text

    print(title)

    # finds the definition
    definition = soup.find('meta', attrs={'property': 'og:description'})

    print(definition)

我使用“.text”作為標題來擺脫 html 標記並且它可以工作，但是當我嘗試在定義上使用它時，所有文本都消失了。 因此，目前使用 html 標簽打印出定義。 除了“.text”還有什么其他方法可以刪除 html 標簽。 當我嘗試在這里粘貼 output 時，它的一部分沒有顯示出來，所以這里是 output 的圖片。

這是我第一次在這里發帖，所以如果我沒有正確格式化我的問題，我很抱歉，但任何幫助將不勝感激。

Answer 1

...當我嘗試在定義上使用[ text屬性]時，所有文本都消失了...

這是因為您定位的標簽如下所示：

<meta content="foo bar baz..." name="Description" property="og:description">

當您嘗試在 Beautiful Soup 中訪問此 object 的text屬性時，沒有任何文本是該元素的子元素。 相反，您正在尋找提取“內容”屬性，您可以使用方括號“數組”樣式表示法：

definition['content']

此功能記錄在 Beautiful Soup 文檔的屬性部分。