La suppression de toutes les balises HTML ainsi que leur contenu à partir du texte

Je me demande comment je peux supprimer toutes les balises HTML ainsi que leur contenu, à l'aide de BeautifulSoup.

D'entrée:

... text <strong>ha</strong> ... text

De sortie:

... text ... text
Mais si vous supprimez toutes les balises HTML à partir d'un document HTML, vous êtes juste à la fin avec une chaîne vide. Pensez-vous que vous souhaitez supprimer certains tags? Ou toutes les balises à l'intérieur de certains de haut niveau de la balise?
Plus pythoning réponse peut-être ceci: stackoverflow.com/questions/5598524/...

OriginalL'auteur Adam Silver | 2013-08-26

  1. 17

    Utilisation replace_with() (ou replaceWith()):

    from bs4 import BeautifulSoup, Tag


text = "text <strong>ha</strong> ... text"

soup = BeautifulSoup(text)

for tag in soup.find_all('strong'):
    tag.replaceWith('')

print soup.get_text()

    imprime:

    text  ... text

    Ou, comme @mata suggéré, vous pouvez utiliser tag.decompose() au lieu de tag.replaceWith('') - produira le même résultat, mais semble plus approprié.

    decompose serait peut-être le choix plus approprié.
    d'accord, merci beaucoup!
    Vous devriez probablement écrire que comme une réponse distincte.
    La balise peut ne pas être nécessairement <strong>
    Aussi je ne comprends pas, comment vais-je attraper le résultat? la balise.remplaceavec(") n'est pas l'attribution quoi que ce soit.

    OriginalL'auteur alecxe

  2. 0

    C'est pour XML, si vous le souhaitez pour HTML, modifier l'importation de BeautifulStoneSoup à BeautifulSoup

    try:
    #Using bs4
    from bs4 import BeautifulStoneSoup
    from bs4 import Tag
except ImportError:
    #Using bs3
    from BeautifulSoup import BeautifulStoneSoup
    from BeautifulSoup import Tag

def info_extract(isoup):
    '''
    Recursively walk a nested list and upon finding a non iterable, return its string
    '''
    tlist = []
    def info_extract_helper(inlist, count = 0):
        if(isinstance(inlist, list)):
            for q in inlist:
                if(isinstance(q, Tag)):
                    info_extract_helper(q.contents, count + 1)
                else:
                    extracted_str = q.strip()
                    if(extracted_str and (count > 1)):
                        tlist.append(extracted_str)
    info_extract_helper([isoup])
    return tlist

xml_str = \
'''
<?xml version="1.0" encoding="UTF-8"?>
    <first-tag>
      <second-tag>
        <events-data>
           <event-date someattrib="test">
                <date>20040913</date>
           </event-date>
        </events-data>

      <events-data>
         <event-date>
           <date>20040913</date>
         </event-date>
      </events-data> 
     </second-tag>
   </first-tag>
'''

soup = BeautifulStoneSoup(xml_str)
print info_extract(soup)

    OriginalL'auteur dilbert