BeautifulSoup逆选择

Question

我想在汤中创建允许标记的白名单，并删除剩下的（基本上将某些标记列入白名单）。像这样的事情，除了工作：

HTML：

<title>title</title> 
<p>p</p> 
<span>span</span> 
<script>script</script> 

的Python：

>>> p = soup.find_all('p') 
>>> span = soup.find_all('span') 
>>> title = soup.find_all('title') 
>>> whitelist = p + span + title 

>>> [el.extract() for el in soup.find_all() if el not in whitelist] 

这只是返回空白汤。这怎么能做到？

Answer 1

所有您需要做的就是提供一个可致电find_all来告诉它要保留哪些标签。

s = '''<title>title</title> 
<p>p</p> 
<span>span</span> 
<script>script</script>''' 

soup = BeautifulSoup(s) 

keepset = {'title','p','span'} 

soup.find_all(lambda tag: tag.name in keepset) 
Out[59]: [<title>title</title>, <p>p</p>, <span>span</span>]