BeautifulSoup-如何将某个元素排除在某个标签之下？

Question

我是网络刮擦的新手。我想排除属于“ P”标签的IMG元素。这是我的代码：

from bs4 import BeautifulSoup as bs
import requests

url = 'https://chhouk-krohom.com/%E1%9E%91%E1%9E%B8%E1%9E%83%E1%9E%93%E1%9E%B7%E1%9E%80%E1%9E%B6%E1%9E%99%E1%9F%A1%E1%9F%A4/'

response = requests.get(url)
soup = bs(response.content, 'html.parser')

contents = soup.find_all(['h1', 'p'])
for content in contents:
    print(content)

content = soup.prettify()
with open('sutta.html', 'wt', encoding='utf-8') as file:
    file.write(str(content))

screenshot

所以，我想从'H1'和'p'（只有一个“ H1”，但许多“ P”）。问题在于“ P”。由于某种原因，图像源属于“ P”（路径：Paimg）。由于我想将文件作为HTML输出，因此图像（用于Go-Top按钮）是在场的。因此，我想问一下在这种情况下是否有一种方法可以排除IMG。提前致谢。

Answer 1

有不同的方法可以使您的目标最简单的方法是使用.get_text（），因为它只会返回人类可读文本而不是html：

for content in contents:
    print(content.get_text())

另一种方法是.decompose（） ＆lt; img＆gt; - 因此，请选择所有有关＆lt; img＆gt; iTerate resultset iTerate 并分解每个内容。之后，您可以在这些清洁的汤上操作：

for e in soup.select('.go-top img'):
    e.decompose()

contents = soup.find_all(['h1', 'p'])
for content in contents:
    print(content)