你好，from bs4 import BeautifulSouphtml = '<p>This <i>is</i> a test.</p>'soup = BeautifulSoup(html, 'lxml')print(soup)for tag in soup.find_all('i'): tag.replace_with('is')print(soup)print("\n")print(soup.prettify())print("\n")for string in soup.stripped_strings: print(string)該程序輸出以下內容：<html><body><p>This <i>is</i> a test.</p></body></html><html><body><p>This is a test.</p></body></html><html> <body> <p> This is a test. </p> </body></html>Thisisa test為什么呢？為什么字符串仍然分為三部分，就好像刪除的標簽仍然存在一樣？如果我使用<p>This is a test.</p>（這是我替換標簽后的輸出）作為我的起始 html，一切都工作正常。我究竟做錯了什么？提前致謝
1 回答
守著星空守著你
TA貢獻1799條經驗 獲得超8個贊
看起來它替換<i>is</i>為is，但它沒有替換樹中的節點，并且它仍然is作為樹中的單獨項目運行。
您必須將樹轉換為字符串并再次解析它才能將其作為樹中的單個節點。
html = str(soup)
#print(html)
soup = BeautifulSoup(html, 'lxml')
如果您希望文本作為一個字符串那么您可以嘗試get_text(strip=True, separator=" ")
from bs4 import BeautifulSoup
html = '<p>This <i>is</i> a test.</p>'
soup = BeautifulSoup(html, 'lxml')
print(soup.get_text(strip=True, separator=" "))
添加回答
舉報
0/150
提交
取消