如何告诉BeautifulSoup将特定标记的内容提取为文本? (不接触它)
发布时间:2020-12-20 11:17:03 所属栏目:Python 来源:网络整理
导读:我需要解析一个包含“code”标签的html文档 我得到这样的代码块: soup = BeautifulSoup(str(content))code_blocks = soup.findAll('code') 问题是,如果我有这样的代码标签: code class="csharp" ListPerson persons = new ListPerson();/code BeautifulSou
我需要解析一个包含“code”标签的html文档
我得到这样的代码块: soup = BeautifulSoup(str(content)) code_blocks = soup.findAll('code') 问题是,如果我有这样的代码标签: <code class="csharp"> List<Person> persons = new List<Person>(); </code> BeautifulSoup更喜欢关闭嵌套标签并将代码块转换为: <code class="csharp"> List<person> persons = new List</person><person>(); </person> </code> 有没有办法使用BeautifulSoup将代码标签的内容提取为文本而不让它修复IT认为的html标记错误? 解决方法
将代码标记添加到QUOTE_TAGS字典中.
from BeautifulSoup import BeautifulSoup content = "<code class='csharp'>List<Person> persons = new List<Person>();</code>" BeautifulSoup.QUOTE_TAGS['code'] = None soup = BeautifulSoup(str(content)) code_blocks = soup.findAll('code') 输出: [<code class="csharp"> List<Person> persons = new List<Person>(); </code>] (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |