python beautifulsoup删除一行cod

Question

我开始学习美团。我试图从html脚本中删除一行包含</div>的代码。

文档中的大多数示例都是针对整个标签（打开和关闭部分）。
是否可以只修改标记的一部分？ 例如：

</div>
<div >Hello</div>
<div data-foo="value">foo!</div>

如何删除代码的第一行？

Answer 1

您可以使用BeautifulSoup的^{}指定无效标记，这将只删除没有打开/关闭对应项的额外标记，同时保留其他标记：

soup = BeautifulSoup(html_doc, 'html.parser')

invalid_tags = ['</div>']

for tag in invalid_tags: 
    for match in soup.findAll(tag):
        match.unwrap()

print(soup)

结果：

^{pr2}$

Answer 2

你不需要做任何事情它会自动修复的

from bs4 import BeautifulSoup

html_doc = '''</div> 
<div>World</div>
<div data-foo="value">foo!''' # also invalid, no closing

soup = BeautifulSoup(html_doc, 'html.parser')
print(soup)

输出

^{pr2}$

unwrap()用于删除不修复标记。在