相信有很多同学使用bs4 来对页面进行处理 都有使用过。bs4 使用起来还是比较方便的，但是有的时候一些比较特殊的需求 就要查查文档，多动手试验。
在 BeautifulSoup 中有的时候获取了一个结点 tag , 这个时候不想要里面的一些特殊的tag 比如 a 标签 。
来看一个例子
from bs4 import BeautifulSoup
html="""<html>
<meta charset="utf-8">
</head>
<div id='main'>
<p>this is one pargraph</p>
<a href="http://example.com/">I linked to <i>example.com</i></a>
<p>this is one pargraph</p>
</body>
</html>
soup = BeautifulSoup(html,'lxml')
比如这里我想 获取 id=main 的元素，然后获取里面的文字 . 但是我不想获取 a 标签的内容，以及a 标签里面的内容。即a 标签的子标签
soup.find(id='main').text.splitlines()
这样直接取值可能会有一个问题， 会把a标签的内容也取了出来。
现在我不想取出a 标签的内容 只想要两个p标签的内容 .
可以通过 tag.decompose() 方法来剔除不想要的标签， 通过find 或者find_all 来找到tag 标签，然后删除即可。
tag = soup.find('a')
tag.decompose()
soup.find(id='main').text.splitlines()
soup.find(id='main').get_text(separator='####',strip=True).split('####')
这里只是举一个例子，实际上如果只想取p 标签.
paras = soup.find_all('p')
for tag in paras:
print(tag.text)
这里只是说明 tag.decompose() 方法，代表去除 tag 自身，可以通过 soup.find, soup.find_all() 找到tag 然后执行 tag.decompse() 方法进行删除tag
tag.decompose
分享快乐,留住感动. '2021-08-02 22:54:02' --frank
I have a text like this:text = """TitleA long text........ a link """using pure Python, with no external module I want to have this:>>> print remove_tags(text)Title A long text..... a linkI ...
XPath是XML路径语言，它是一种用来确定XML文档中某部分位置的语言。
在python爬虫方面的学习中，xpath至关重要，它与正则相比具有明显的优势。下面将介绍在python中xpath的简单使用。
安装方法不必多说，与其他第三方库的安装方法一样，使用pip安装。
首先需要导入库
import lxml.html
接下来就是使用了，话不多说，上代码
# 使用方式介...
我正在使用beauthulsoup包解析数百个HTML文档。我的代码能够很好地解析整个文档。在我想根据条件删除所有表标记的内容。因为很少有表(根据HTML标记)实际上可能不是表，而是表中显示的文本。如果一个表的内容有超过75%的字符作为数字，我想把它当作实际的表来处理并删除它，否则我会保留它。在我是Python新手，不知道如何才能只删除特定表的全部内容。在假设我的HTML文档是：100Hello ...
这里给大家分享一个怎么用Python爬取超链接的文字，并且能够去除字符“原“和前后空格、空行等等。这个代码不多，而且非常简单。我这里用的是Python3，版本不和的可以调整一下，这个代码还是很好理解的。 接下来我给大家分享爬取我的博客超链接文字的例子，先给大家逐步分析一下，这样有助于帮助大家的理解和学习。后面将会附上完整的代码。首先，一如既往的，开始就是简单的爬取网页...
PageElement.extract() 方法将当前tag移除文档树,并作为方法结果返回:去除指定标签frombs4importBeautifulSoup#去除属性ul[s.extract()forsinsoup("ul")]#去除属性svg[s.extract()forsinsoup("svg")]#去除属性script[s.extract()forsinso...
（1）实例化一个beautifulsoup对象，并且将页面源码数据加载到该对象中
（2）通过调用beautifulsoup对象中相关的属性或者方法进行标签定位和数据提取
3、bs环境安装
pip install bs4
pip install lxml
4、实例化beautifsoup对象
（1）导入模块：
from bs4 import BeautifulS
# 编码流程：> 1.指定url> 2.发起请求> 3.获取响应数据> 4.数据解析> 5.持久化存储# 数据解析分类：> 1.bs4> 2.正则> 3.xpath (\***)1 简介在之前的文章【Python 基础(一)：入门必备知识】中我们已经提到了：字符串是 Python 的一种数据类型，它可以通过单引号 '、双引号 "、三引号 ''' 或 ...
python中Bs4这个包是用来解析网页源码的包，爬虫程序常用这个包解析爬取网页源码进行分析，今天主要介绍这个包的一些基本使用首先安装bs4: Pipinstall bs4创建beautifulsoup对象解析网页源码，首先创建beautifulsoup对象import requestsfrom bs4 importBeautifulSouphtml=requests.get('http://ww...
from bs4 import BeautifulSoup
soup = BeautifulSoup("<html>A Html Text</html>", "html.parser")
两个参数：第一个参数是要解析...
doc('.article-t style').remove()
如上是：想要class为article里面的内容，但又不想要style标签中的内容，就可以通过以上把style标签删除，然后再提取article下的所有内容。
另一种情况，含有完整的标签时：
试用了Beautifulsoup，的确是个神器。
在抓取到网页时，会出现很多不想要的内容，例如<script>标签，利用beautifulsoup可以很容易去掉。
-> soup = BeautifulSoup('<script>a</script>Hello World!<script>b</script>')
-> [s.extract() for s in soup(‘script
1.在列表末尾添加×××.append(*元素*)2.在列表中插入×××.insert(*location*,*元素*)3.在列表中删除·1>deldel ×××[*location*]·2>
pop（）#弹出末尾元素
×××.pop()#弹出任意位置元素
×××.pop(*location*)·3>
remove()#根据值删除元素
×××.remove(*value*)
from bs4 import BeautifulSoup
soup = BeautifulSoup('<div>早上9点了</div>你好世界<div>世界和平</div>')
info = ...
<img width="147" height="52"src="http://127.0.0.1:80/admin/../upload/pimg1054_1.png" alt="" />
怎么将img标签里边的 al...
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>Th
