如何用空白替换文本中提取的 HTML 标签？

Posted 2023-02-23

【中文标题】如何用空白替换文本中提取的 HTML 标签？

【英文标题】：How to replace extracted HTML tags in a text with a blank?

【发布时间】：2015-09-14 15:17:44

【问题描述】：

我正在从没有所有标签的 html 页面中提取文本（使用 Python 和 BeautifulSoup）。但是，标签不会替换为空白。因此，例如，对于“blah blahDIVTAGblah”，我得到以下文本“blah blahblah”。如何在第二个和第三个 blah 之间插入空白？我正在使用以下代码。

# kill all script and style elements
    for script in soup(["script", "style"]):
        script.extract()

代码来自BeautifulSoup Grab Visible Webpage Text

【参考方案1】：

您可以使用 .replace_with() 简单地将标签替换为空白：

for script in soup(["script", "style"]):
    script.replace_with(" ")

【讨论】：

非常感谢@har07。我认为这是要走的路。最后，我决定用正则表达式替换标签（例如，html = re.sub('<li>', ' LIST_BULLET ', html），因为这更适合我的具体问题。