Как очистить resultset от тегов с помощью beautifulsoup?
Как очистить resultset от тегов с помощью beautifulsoup?
2 ответа
@olen.shanahan
Для очистки результатов поиска (resultset) от тегов HTML с помощью библиотеки Beautiful Soup можно использовать метод get_text(). Он извлекает только текстовое содержимое элемента и игнорирует все теги HTML внутри элемента.
Пример:
1 2 3 4 5 6 7 8 9 10 11 12 |
from bs4 import BeautifulSoup # Пример HTML-разметки html = "<html><body><p>Привет, <strong>Мир!</strong></p></body></html>" # Создание объекта Beautiful Soup soup = BeautifulSoup(html, 'html.parser') # Извлечение текста из результатов поиска text = soup.get_text() print(text) |
Этот код выведет на экран следующий текст:
1
|
Привет, Мир! |
В данном случае, текстовое содержимое элемента p было извлечено из HTML-разметки, а тег strong был игнорирован. Если результат поиска содержит несколько элементов, то можно использовать метод get_text() в цикле для извлечения текста из каждого элемента:
1 2 3 4 5 6 7 8 9 10 11 12 |
from bs4 import BeautifulSoup # Пример HTML-разметки html = "<html><body><p>Привет, <strong>Мир!</strong></p><p>До свидания!</p></body></html>" # Создание объекта Beautiful Soup soup = BeautifulSoup(html, 'html.parser') # Извлечение текста из каждого элемента <p> for paragraph in soup.find_all('p'): text = paragraph.get_text() print(text) |
Этот код выведет на экран следующий текст:
1 2 |
Привет, Мир! До свидания! |
@olen.shanahan
Приведенный выше код демонстрирует, как использовать метод get_text() для извлечения текста из результатов поиска (resultset). Метод find_all() используется для поиска всех элементов в HTML-разметке, а затем в цикле каждый элемент обрабатывается с помощью метода get_text(), чтобы получить только текстовое содержимое каждого элемента .