BeautifulSoup：如何删除空表，同时保留部分空或不空的表

Question

我有一个最初在 MS Frontpage 中创建的旧网站，我正在尝试对其进行 defrontpagify。我已经编写了一个 BeautifulSoup 脚本来完成大部分工作。剩下的唯一一件事就是删除空表，例如在任何td 标记中没有文本内容或数据的表。

我遇到的问题是，到目前为止，如果至少一个表的 td 标签不包含数据，即使其他标签包含数据，我到目前为止所尝试的操作也会删除该表。这将删除整个文档中的所有表格，包括包含我想要保留的数据的表格。

tags = soup.findAll('table',text=None,recursive=True) 
[tag.extract() for tag in tags]

有什么建议如何仅删除其中没有 td 标记包含任何数据的表吗？ （我不在乎它们是否包含 img 或空锚标记，只要没有文本即可）。

Answer 1

使用 .text 属性。它检索该元素内的所有文本内容（递归）。

示例：

from BeautifulSoup import BeautifulSoup as BS

html = """
<table id="empty">
  <tr><td></td></tr>
</table>

<table id="with_text">
  <tr><td>hey!</td></tr>
</table>

<table id="with_text_in_one_row">
  <tr><td></td></tr>
  <tr><td>hey!</td></tr>
</table>

<table id="no_text_but_img">
  <tr><td><img></td></tr>
</table>

<table id="no_text_but_a">
  <tr><td><a></a></td></tr>
</table>

<table id="text_in_a">
  <tr><td><a>hey!</a></td></tr>
</table>

"""

soup = BS(html)
for table in soup.findAll("table" ,text=None,recursive=True):
    if table.text:
        print table["id"]

输出：

with_text
with_text_in_one_row
text_in_a