Disons que je voulais supprimer les voyelles de HTML:Utilisation de Beautiful Soup, comment puis-je itérer sur tout le texte incorporé?
<a href="foo">Hello there!</a>Hi!
devient
<a href="foo">Hll thr!</a>H!
Je figure cela est un travail pour soupe Belle. Comment puis-je sélectionner le texte entre les balises et opérer comme ça?
Supposons que la test_html variable a le contenu HTML suivant:
<html>
<head><title>Test title</title></head>
<body>
<p>Some paragraph</p>
Useless Text
<a href="http://stackoverflow.com">Some link</a>not a link
<a href="http://python.org">Another link</a>
</body></html>
Il suffit de faire ceci:
from BeautifulSoup import BeautifulSoup
test_html = load_html_from_above()
soup = BeautifulSoup(test_html)
for t in soup.findAll(text=True):
text = unicode(t)
for vowel in u'aeiou':
text = text.replace(vowel, u'')
t.replaceWith(text)
print soup
qui imprime:
<html>
<head><title>Tst ttl</title></head>
<body>
<p>Sm prgrph</p>
Uslss Txt
<a href="http://stackoverflow.com">Sm lnk</a>nt lnk
<a href="http://python.org">Anthr lnk</a>
</body></html>
Notez que les balises et les attributs sont intacts .