如何用美丽汤找到所有评论

一尘不染

如何用美丽汤找到所有评论

python

我想使用漂亮的汤删除html文件中的所有注释。由于BS4将每个注释作为一种特殊类型的可导航字符串，所以我认为这段代码可以工作：

for comments in soup.find_all('comment'):
     comments.decompose()

所以那行不通…。如何使用BS4查找所有评论？

阅读 137

2020-12-20

共1个答案

一尘不染

您可以将函数传递给find_all（）来帮助它检查字符串是否为Comment。

例如我有下面的HTML：

<body>
   <!-- Branding and main navigation -->
   <div class="Branding">The Science &amp; Safety Behind Your Favorite Products</div>
   <div class="l-branding">
      <p>Just a brand</p>
   </div>
   <!-- test comment here -->
   <div class="block_content">
      <a href="https://www.google.com">Google</a>
   </div>
</body>

码：

from bs4 import BeautifulSoup as BS
from bs4 import Comment
....
soup = BS(html, 'html.parser')
comments = soup.find_all(string=lambda text: isinstance(text, Comment))
for c in comments:
    print(c)
    print("===========")
    c.extract()

输出将是：

Branding and main navigation 
============
test comment here
============

顺便说一句，我认为find_all('Comment')不起作用的原因是（来自BeautifulSoup文档）：

输入名称的值，您将告诉Beautiful Soup仅考虑具有特定名称的标签。 文本字符串 以及名称不匹配的标记 都将被忽略 。

2020-12-20