Как разложить и сгладить теги из объекта BeautifulSoup?
Не из строки.
Из soup, в суп, не переходя к строке.
В docs предлагается использовать метод smooth() для устранения нежелательных пробелов. Можешь ли ты показать мне?
from bs4 import BeautifulSoup
dml = '''<html>
<head>
<title>TITLE</title>
</head>
<body>LOOSE TEXT
<div></div>
<p></p>
<div>MORE TEXT</div>
<b></b>
<i></i> # COMMENT
</body>
</html>'''
soup = BeautifulSoup(dml, features='lxml')
def strip_empty_tags(soup:BeautifulSoup):
for item in soup.find_all():
if not item.get_text(strip=True):
item.decompose()
soup.smooth() # How to .smooth()?
return soup
strip_empty_tags(soup)
<html>
<head>
<title>TITLE</title>
</head>
<body>LOOSE TEXT
<div>MORE TEXT</div>
# COMMENT
</body>
</html>
Методы decompose() и extract() заставляют появляться нежелательные пробелы / пустые строки. Я хочу избавиться от них. Но нет, я не хочу ''.join([string for string in string_list]).
Существуют прецеденты этого вопроса, в частности: [1] , [2] . Но все предложения включают преобразование объекта BeautifulSoup в строку. Я могу это сделать, я уже делаю это, но я не хочу этого делать.
На этом сайте есть много других ссылок на BeautifulSoup и «удаление пустых пространств», но большинство из них касается ситуаций, когда текстовое содержимое имеет пустые места , начинающиеся с . В моей ситуации пустые пространства являются побочным продуктом методов декомпозиции / извлечения BeautifulSoup. Я бы хотел удалить их сразу после того, как они будут созданы в l oop.
Я использую синтаксический анализатор 'lxml' и не планирую менять его без крайней необходимости.