使用 BeautifulSoup 删除第一个子节点

Posted 2023-02-23

【中文标题】使用 BeautifulSoup 删除第一个子节点

【英文标题】：Delete first child node using BeautifulSoup

【发布时间】：2015-02-03 19:45:56

【问题描述】：

import os
from bs4 import BeautifulSoup
do = dir_with_original_files = 'C:\FOLDER'
dm = dir_with_modified_files = 'C:\FOLDER'
for root, dirs, files in os.walk(do):
    for f in files:
        print f.title()
        if f.endswith('~'): #you don't want to process backups
            continue
        original_file = os.path.join(root, f)
        mf = f.split('.')
        mf = ''.join(mf[:-1])+'_mod.'+mf[-1] # you can keep the same name 
                                             # if you omit the last two lines.
                                             # They are in separate directories
                                             # anyway. In that case, mf = f
        modified_file = os.path.join(dm, mf)
        with open(original_file, 'r') as orig_f, \
             open(modified_file, 'w') as modi_f:
            soup = BeautifulSoup(orig_f.read())

            for t in soup.find_all('table'):
                for child in t.find_all("table"):#*****this is fine for now, but how would I restrict it to find only the first element?
                    child.REMOVE() #******PROBLEM HERE********

            # This is where you create your new modified file.
            modi_f.write(soup.prettify().encode(soup.original_encoding)) 

大家好，

我正在尝试使用 BeautifulSoup 对文件进行一些解析以稍微清理它们。我想要的功能是我想删除表中任何位置的第一个表，例如：

<table>
  <tr>
    <td></td
  </tr>
  <tr>
    <td><table></table><-----This will be deleted</td
  </tr>
  <tr>
    <td><table></table> --- this will remain here.</td
  </tr>
</table>

目前，我的代码设置为查找表中的所有表，并且我编写了一个 .REMOVE() 方法来显示我希望完成的任务。我怎样才能真正删除这个元素？

Tl;博士 -

如何调整我的代码以仅查找第一个嵌套表 文件。

如何删除此表？

【参考方案1】：

找到表中的第一个表并在其上调用extract()：

inner_table = soup.find('table').find('table')  # or just soup.table.table
inner_table.extract() 

【讨论】：

非常感谢您的回复。是否也可以删除表的所有子节点？ :) 谢谢。

@SimonKiely 你是指外部内部的其他内部table 标签吗？谢谢。