使用美丽的汤去除html元素

Question

我有以下html：

<div class="leftColumn">
  <div>
     <div class="static">
      .............................
     </div>  
     text1
     <br>
     text2
     <br>
     (222) 123 - 4567
     <br>
     <div class="summary">
     .........................
     </div>
  </div>

我刚刚看到获取文字的方式是

soup.select('.leftColumn div')[0].text.split()

这样可行但是从2个div中遗留了很多垃圾，很难找到我需要的文本。有没有办法删除2个类（静态和摘要），这将使处理余数更容易？

Answer 1

以下是基于您的代码段的示例：

from bs4 import BeautifulSoup

text = """
<div class="leftColumn">
  <div>
     <div class="static">
      .............................
     </div>
     text1
     <br>
     text2
     <br>
     (222) 123 - 4567
     <br>
     <div class="summary">
     .........................
     </div>
  </div>
</div>
"""

soup = BeautifulSoup(text)

# Find divs with class "static" or "summary" and remove them using `extract`
div_nodes = soup.find_all('div', {'class': ['static', 'summary']})
[div.extract() for div in div_nodes]

print soup.text.split()

如果你运行代码，你会看到静态和摘要div被删除，你得到：

[u'text1', u'text2', u'(222)', u'123', u'-', u'4567']