删除来自已解析的 Beautiful Soup 列表的标签？

Question

我目前正在进入一个 for 循环，其中包含我想要的所有行：

page = urllib2.urlopen(pageurl)
soup = BeautifulSoup(page)
tables = soup.find("td", "bodyTd")
for row in tables.findAll('tr'):

此时，我已经有了我的信息，但

<br />

标签正在破坏我的输出。

去除这些最干净的方法是什么？

Answer 1

for e in soup.findAll('br'):
    e.extract()

Answer 2

如果您想将
转换为换行符，请执行以下操作：

def text_with_newlines(elem):
    text = ''
    for e in elem.recursiveChildGenerator():
        if isinstance(e, basestring):
            text += e.strip()
        elif e.name == 'br':
            text += '\n'
    return text

Answer 3

将开头的标签替换为空格
Beautiful soup 还接受 urlopen 对象上的 .read() 所以这应该可以工作 - - -

page = urllib2.urlopen(pageurl)
page_text=page.read()
new_text=re.sub('</br>',' ',page_text)
soup = BeautifulSoup(new_text)
tables = soup.find("td", "bodyTd")
for row in tables.findAll('tr'):
.....

re.sub 用空格替换 br 标签

Answer 4

也许 some_string.replace('
','\n') 用换行符替换换行符。

>>> print 'Some data<br />More data<br />'.replace('<br />','\n')
Some data
More data

您可能需要查看 html5lib 和 lxml，它们在解析 html 方面都非常出色。 lxml 确实很快，而 html5lib 的设计非常健壮。