有多种方法可以分割beautifulSoup parsetree获取元素列表或获取标记的字符串 . 但是在分裂时似乎没有办法保持树完好无损 .
我想在
上分割下面的片段(汤) . 琐碎的字符串,但我想保留结构,我想要一个parsetrees列表 .
s="""<p>
foo
<a href="http://...html" target="_blank">foo</a> | bar
<a href="http://...html" target="_blank">foo</a> | bar
<a href="http://...html" target="_blank">foo</a> | bar
<a href="http://...html" target="_blank">foo</a> | bar
</p>"""
soup=BeautifulSoup(s)
显然,我可以做一个 [BeautifulSoup(i) for i in str(soup).split('
,但是我很难看,而且我的链接太多了 .
')]
可以在soup.findAll('br')上使用soup.next和soup.previousSibling()进行迭代,但不返回分析树,而只返回它包含的所有元素 .
是否有解决方案从BeautifulSoup标签中提取完整的标签子树,保留所有父母和兄弟关系?
编辑以获得更清晰:
结果应该是一个由BeautifulSoup-Objects组成的列表,我可以通过输出[0] .a,输出[1] .text等进一步遍历分裂的汤 . 在
上拆分汤会返回所有要进一步处理的链接的列表,这就是我需要的 . 上面的代码段中的所有链接,包含文本,属性和以下"bar",是每个链接的说明 .
1 回答
如果您不在
标签上使用.extract()
来简单地从树中删除它们:这是一个完整的工作树仍然:
但是你根本不需要删除那些标签来实现你想要的东西:
结果是:
无论有没有,我们首先从树中删除
标签 .