如何使用BeautifulSoup去除HTML中的script和style标签？

Question

我有一个简单的脚本，主要是获取一个HTML页面，然后用BeautifulSoup这个工具来去掉所有的脚本和样式标签。接着，我想把处理后的HTML结果传给另一个方法。有没有简单的方法可以做到这一点？我看了一下BeautifulSoup.py，似乎还没找到合适的办法。

soup = BeautifulSoup(html)
for script in soup("script"):
    soup.script.extract()

for style in soup("style"):
    soup.style.extract()
contents = soup.html.contents
text = loader.extract_text(contents)

用 contents = soup.html.contents 这个代码，只能得到一个列表，里面的内容都是以类的形式定义的。有没有什么方法可以直接返回处理后的原始HTML？还是说我得自己遍历这个contents列表，把HTML拼接起来，同时排除掉脚本和样式标签？

或者有没有更好的解决方案来实现我想要的效果？

Answer 1

unicode( soup ) 这个命令会给你返回 HTML 代码。

另外，你想要的内容是这个：

for elem in soup.findAll(['script', 'style']):
    elem.extract()