Puis-je supprimer les balises de script avec BeautifulSoup?

Pouvez les balises de script et tout leur contenu sera retiré de HTML avec BeautifulSoup, ou dois-je utiliser des Expressions Régulières ou quelque chose d'autre?

InformationsquelleAutor Sam | 2011-04-08
  1. 137
    >>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<script>a</script>baba<script>b</script>', 'lxml')
>>> [s.extract() for s in soup('script')]
>>> soup
baba
    • Quelle est la meilleure façon de chaîne sur d'autres tags à être supprimés? Pour l'instant il fonctionne si je répète la commande l'un après l'autre, avec [s.extrait (le) s dans la soupe('script')], puis [s.extrait (le) s dans la soupe('iframe')] et ainsi de suite, mais pas si j'ai de la chaîne d'eux comme [s.extrait (le) s dans la soupe('iframe', 'script')].
    • Vous devez utiliser [s.extract() for s in soup(['iframe', 'script'])] Notez que pour utiliser plusieurs balises, le paramètre doit être une liste
    • Comment puis-je extraire quelque chose comme: '<script class="blah">a</script>baba<script id="blahhhh">b</script>'? Est-il le même?
    • Pour obtenir la valeur finale de la chaîne avec les éléments supprimés dans le code, appelez str(soupe)
    • La soupe de l'objet devient inutile après cette opération, les tags ne sont plus trouvée.
    • Désolé pour mon ignorance, pouvez-vous nous expliquer ce que fait de mettre le code dans une liste ne?
    • Que faire si je voulais faire le contraire? supprimer TOUTES les balises sauf pour le <img> tag? Merci

    InformationsquelleAutor Fábio Diniz
  2. 22

    Mise à jour de réponse pour ceux qui pourraient en avoir besoin pour une référence future:
    La bonne réponse est.
    decompose()
    Vous pouvez utiliser de différentes façons, mais decompose œuvres sur place.

    Exemple d'utilisation:

    soup = BeautifulSoup('<p>This is a slimy text and <i> I am slimer</i></p>')
soup.i.decompose()
print str(soup)
#prints '<p>This is a slimy text and</p>'

    Assez utile pour se débarrasser des détritus comme 'script','img' donc, et ainsi de suite.

    • La différence entre decompose et extract est que celle-ci retourne la chose qui a été supprimé, alors que l'ancien juste détruit. C'est donc le plus de réponse précise à la question, mais les autres méthodes de travail.
    • Décomposer ne supprime pas le contenu des balises de script, il ne supprime les balises.
    • Je suis d'accord avec vos commentaires. C'est pourquoi j'ai dit de la réponse correcte, conformément à l'OP qui a été à remove contenu. Souvent utilisé pour le nettoyage HTML des balises inutiles et de mise en forme.
    • En fait, d'après la documentation: "Tag.décomposer() supprime une balise à partir de l'arbre, puis complètement détruit et son contenu:" crummy.com/software/BeautifulSoup/bs4/doc/#decompose
    • Il fonctionne, mais échouera s'il n'y a pas de <i> dans le code HTML. Lorsque vous n'êtes pas sûr au sujet de la structure HTML puis extract est mieux
    • Si vous n'êtes pas sûr au sujet de l'HTML, vous ne pouvez pas utiliser strict mode et oui, avant de redescendre à l'extrait peut être le seul moyen.
    • C'est déjà mentionné dans ma réponse.
    • Toutes mes excuses, je crois que j'ai oublié d'ajouter une mention dans mon commentaire: je crois que j'ai répondu à Roland Pihlakas avec ce commentaire.

    InformationsquelleAutor Abhishek Dujari
  3. 21

    Comme indiqué dans le ( la documentation officielle ), vous pouvez utiliser le extract méthode pour supprimer tous les sous-arbre qui correspond à la recherche.

    import BeautifulSoup
a = BeautifulSoup.BeautifulSoup("<html><body><script>aaa</script></body></html>")
[x.extract() for x in a.findAll('script')]
    InformationsquelleAutor Santiago Alessandri