我有一个最初在 MS Frontpage 中创建的旧网站,我正在尝试 defrontpagify。我写了一个 BeautifulSoup 脚本来完成大部分工作。唯一剩下的就是删除空表,例如在 any 的 td
标签中没有文本内容或数据的表。
我遇到的问题是,如果至少有一个 td
标签不包含数据,我到目前为止所尝试的方法会删除该表,即使其他标签包含数据也是如此。这会删除整个文档中的所有表格,包括包含我要保留的数据的表格。
tags = soup.findAll('table',text=None,recursive=True)
[tag.extract() for tag in tags]
关于如何只删除 没有 的 td 标签包含任何数据的表,有什么建议吗? (我不在乎它们是否包含 img
或空 anchor 标记,只要没有文本即可)。
最佳答案
使用 .text
属性。它检索该元素内的所有文本内容(递归)。
例子:
from BeautifulSoup import BeautifulSoup as BS
html = """
<table id="empty">
<tr><td></td></tr>
</table>
<table id="with_text">
<tr><td>hey!</td></tr>
</table>
<table id="with_text_in_one_row">
<tr><td></td></tr>
<tr><td>hey!</td></tr>
</table>
<table id="no_text_but_img">
<tr><td><img></td></tr>
</table>
<table id="no_text_but_a">
<tr><td><a></a></td></tr>
</table>
<table id="text_in_a">
<tr><td><a>hey!</a></td></tr>
</table>
"""
soup = BS(html)
for table in soup.findAll("table" ,text=None,recursive=True):
if table.text:
print table["id"]
输出:
with_text
with_text_in_one_row
text_in_a
关于python - BeautifulSoup:如何删除空表,同时保留部分空表或非空表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9088203/