BeautifulSoup如何从h1标记中删除div元素

Question

我已经尝试了使用BeautifulSoup解析html的以下代码。

item_detail_soup = BeautifulSoup(html, "html.parser")
h1 = item_detail_soup.find("h1")

我的H1解析器输出是：

<h1>
<div class="brand" style="display: block; font-size: 0.75rem;">Apple(#34567)</div>
〔NEW〕 iPhone12 256GB </h1>

我正在尝试删除这个类名为brand的div。

我想要的输出：

<h1> (NEW) iPhone12 256GB </h1>

我尝试过使用extract()，然后使用replace，但是失败了。

h1 = item_detail_soup.find("h1")
h1 = h1.replace(item_detail_soup.find("h1").div.extract(),'')

我怎样才能得到我想要的输出？

Answer 1

好消息是，你走在了正确的道路上--为了达到你的目标，你也可以使用.extract()，.replace_with()和.decompose()。

提取和分解有什么不同？

.extract()从树中删除标记或字符串，并将其作为附加解析树返回/保留，而decompose()则从树中删除标记并完全销毁它及其内容。

哪里出了问题？

不会得到预期结果的原因是，您试图对h1变量进行操作，使其始终为空(.decompose())或包含提取的tag (.extract())。

如何修复？

首先选择要从树中删除的tag，删除它，然后选择您的<h1>查看结果。

示例(在item_detail_soup中只有一个带有类品牌的div )

from bs4 import BeautifulSoup

html = '''<h1><div class="brand" style="display: block; font-size: 0.75rem;">Apple(#34567)</div>〔NEW〕 iPhone12 256GB </h1>'''
item_detail_soup = BeautifulSoup(html, 'html.parser')

item_detail_soup.select_one('div.brand').extract() 
h1 = item_detail_soup.find('h1')

示例(item_detail_soup中有多个带有类品牌的div )

请注意，您一次只能使用一个选项，所以我将其他选项注释掉了。

from bs4 import BeautifulSoup

html = '''<h1><div class="brand" style="display: block; font-size: 0.75rem;">Apple(#34567)</div>〔NEW〕 iPhone12 256GB </h1>'''
item_detail_soup = BeautifulSoup(html, 'lxml')
for item in item_detail_soup.select('div.brand'):
    item.extract()
    #item.decompose()
    #item.replace_with('')
    
item_detail_soup.h1

输出

<h1>〔NEW〕 iPhone12 256GB </h1>

Answer 2

尝尝这个

item_detail_soup = BeautifulSoup(html, "html.parser")
for div in item_detail_soup .find_all("div", {'class':'brand'}): 
    div.decompose()
h1 = item_detail_soup.find("h1")