python-74：按原格式下载BS4官方文档

最新推荐文章于 2022-12-09 21:15:44 发布

weixin_33991418

最新推荐文章于 2022-12-09 21:15:44 发布

阅读量184

点赞数

文章标签： python

原文链接：https://my.oschina.net/u/2429887/blog/598568

版权

2019独角兽企业重金招聘Python工程师标准>>>

好了，前面也进行了几次失败的尝试，我来总结一下啊
首先，我们所有的尝试本质上是基于一个方法，直接将获取出来的所有数据一次性删除。我们选择了一个看似最简单的方法，我们将数据获取出来之后想直接将所有数据一次性删除，一劳永逸，现实是我们失败了，但没关系这是一个很好的做法，在面对事情的时候一开始先尝试最简单的方法，这是一个很好的选择，只是我们运气不好罢了。其实我觉得上一小节还是很重要的，这些问题都是我在学习过程中遇到的，刚好有机会一起整理出来，希望能给遇到相同问题的人一个解决的思路
既然前面的尝试不成功，那么我们就来换一种思路，我不能一次性把你全部删除，那我一条一条的删除总可以了吧
好了，方向已经找好了，现在来考虑细节
我觉得一开始处理很多条数据的话会很容易造成混乱，所以我决定只删除一条数据看看是什么结果，前面也已经说过了，find()函数是返回匹配到的第一个结果，就是它了，拟定的大致流程应该是：使用find()函数获取第一个要删除的标签，然后使用clear()进行删除，再将结果输出看是否成功，根据流程我写下了这样的代码：

import urllib2
from bs4 import BeautifulSoup

url = 'http://beautifulsoup.readthedocs.org/zh_CN/latest/#'
request = urllib2.Request(url)
response = urllib2.urlopen(request)
contents = response.read()
soup = BeautifulSoup(contents)
result = soup.find(itemprop="articleBody")
result.find(attrs={"class": "headerlink"}).clear()
print result.get_text()

结果显示第一个符号已经被删除了

这说明我们的这个尝试应该是奏效的，现在我们来想想怎么将这个方法应用到我们所有要删除的tag中来

首先我第一个想的是在循环里面实现，先设置一个while循环，判断find(attrs={"class": "headerlink"})的返回值，当返回值不为空时一直使用find函数将第一个删除标签找出来并将它删除，当返回值为空时执行另外的操作

前面为了更好的获取全部数据我们使用了find_all函数，find_all 返回的是一个列表，既然是列表，那我应该可以对它进行操作，我可以直接遍历这个列表并对列表里面的每一个元素做删除处理，这也是一个很好的尝试而且看起来比上衣个要好一点，所以我写了下面的代码来进行测试

#!/usr/bin/env python
# -*- coding:UTF-8 -*-
__author__ = '217小月月坑'

'''
去掉不和谐的符号
'''

import urllib2
from bs4 import BeautifulSoup

url = 'http://beautifulsoup.readthedocs.org/zh_CN/latest/#'
request = urllib2.Request(url)
response = urllib2.urlopen(request)
contents = response.read()
soup = BeautifulSoup(contents)
result = soup.find(itemprop="articleBody")

for i in result.find_all(attrs={"class": "headerlink"}):
    i.clear()
print result.get_text()

结果是这样的