使用Beautiful Soup，如何遍历所有嵌入文本？
假设我想从HTML中去掉元音字母：
<a href="foo">Hello there!</a>Hi!
变成
<a href="foo">Hll thr!</a>H!
我觉得这个工作可以用Beautiful Soup来完成。那我该怎么选中标签之间的文本，然后对它进行这样的操作呢？
1 个回答
12
假设变量 test_html 里面有以下的 HTML 内容：
<html>
<head><title>Test title</title></head>
<body>
<p>Some paragraph</p>
Useless Text
<a href="http://stackoverflow.com">Some link</a>not a link
<a href="http://python.org">Another link</a>
</body></html>
只需这样做：
from BeautifulSoup import BeautifulSoup
test_html = load_html_from_above()
soup = BeautifulSoup(test_html)
for t in soup.findAll(text=True):
text = unicode(t)
for vowel in u'aeiou':
text = text.replace(vowel, u'')
t.replaceWith(text)
print soup
这样会输出：
<html>
<head><title>Tst ttl</title></head>
<body>
<p>Sm prgrph</p>
Uslss Txt
<a href="http://stackoverflow.com">Sm lnk</a>nt lnk
<a href="http://python.org">Anthr lnk</a>
</body></html>
注意，标签和属性都没有被修改。