BeautifulSoup标签去除

Question

我一直在找解析HTML表格与Python/BeautifulSoup ...

这是我在Python编码什么的第一次尝试，所以它可能不是最有效的。

我在这里找到了另一个帖子（大部分作品很棒），但我遇到了一些问题。

我运行的代码是在这里：

def strip_tags(html, invalid_tags): 
    bs2 = BeautifulSoup(str(html)) 
    for tag in bs2.findAll(True): 
     if tag.name in invalid_tags: 
      s = ""  

      for c in tag.contents: 
       if not isinstance(c, NavigableString): 
        c = strip_tags(unicode(c), invalid_tags) 
       s += unicode(c) 

      tag.replaceWith(s) 
    return bs2 

invalid_tags = ['td','b'] 

for row in bs.findAll('tr'): 
    col = row.findAll('td') 

for index,item in enumerate(col): 
    t = item.findAll('a') 
    for ta in t: 
     ta.replaceWithChildren() 
     col[index] == item 

for item in col: 
    print(strip_tags(item.string,invalid_tags).string 

的原始数据表（HTML）看起来是这样的：

<td align="left">11/10</td> 
<td>N ARMY</td> 
<td>-7.5</td> 
<td>NL</td> 
<td><b>76-65</b></td> 
<td><span style="color:green">W</span></td> 
<td><span style="color:green">W</span></td> 
<td></td> 
<td class="cell4">50.0%</td> 
<td class="cell4">76.9%</td> 
<td class="cell4">37.5%</td> 
<td class="cell5">37.1%</td> 
<td class="cell5">90.0%</td> 
<td class="cell5">29.4%</td> 

当我运行strip_tags的功能，它适用于所有标签第二行除外......“None”作为输出返回。

如果任何人都可以提供任何有关发生这种情况的见解，我将不胜感激。

编辑：哇谢谢大家的快速回复。总之，这里是当我运行的代码会发生什么：

 
11/10 
None 
-7.5 
NL 
76-65 
W 
W 
None 
50.0% 
76.9% 
37.5% 
37.1% 
90.0% 
29.4%

问题在于围绕第二线，它会返回，而不是“N军队”“无”。所以，是的，理想情况下，我只想在标签中找到的文字。

Answer 1

如果我正确理解您想要的输出，您不需要手动去除标签 - 这就是为什么我们使用BeautifulSoup！ ;）

您需要调用的是返回的tag实例上的get_text()方法。

使用您的样本HTML：

<table> 
    <tr> 
     <td align="left">11/10</td> 
     <td>N ARMY</td> 
     <td>-7.5</td> 
     <td>NL</td> 
     <td><b>76-65</b></td> 
     <td><span style="color:green">W</span></td> 
     <td><span style="color:green">W</span></td> 
     <td></td> 
     <td class="cell4">50.0%</td> 
     <td class="cell4">76.9%</td> 
     <td class="cell4">37.5%</td> 
     <td class="cell5">37.1%</td> 
     <td class="cell5">90.0%</td> 
     <td class="cell5">29.4%</td> 
    </tr> 
</table> 

一个简单的迭代在td S，并get_text()打个电话，我们好去！

from bs4 import BeautifulSoup 

with open('test.html', 'rb') as html: #My local version of your html file 
    soup = BeautifulSoup(html.read()) 

for td in soup.find_all('td'): 
    print td.get_text() 

这使输出：

11/10 
N ARMY 
-7.5 
NL 
76-65 
W 
W 

50.0% 
76.9% 
37.5% 
37.1% 
90.0% 
29.4% 
[Finished in 0.1s]