beautiful soup で特定のタグだけを取り除きたい

beautirulsoupを使って タグとタグだけを除きたいと思っています。
①のような文を書いてみたのですが、除去できませんでした。

②replaceするような文も考えたのですが、以下のようなエラーが出ます。
TypeError: 'NoneType' object is not callable

なにか良い方法はないでしょうか？

①

python
1        while(soup.br):
2            soup.br.unwrap()
3
4        while (soup.strong):
5            soup.strong.unwrap()

②

python
1        for i in table:
2            item.append(i.replace("<BR>",""))

行動規範の内容に同意します

回答1件

ベストアンサー

このような感じでしょうか？

python
1from bs4 import BeautifulSoup
2from bs4.element import NavigableString
3
4html = '''
5<html>
6    <head></head>
7    <body>
8        <td><strong>三菱<strong>UFJ<br/>
9        モルガン・<br/>
10        スタンレー証券</td>
11    </body>
12<html>
13'''
14
15soup = BeautifulSoup(html, 'lxml')
16print('>>> before\n', soup)
17
18# strong タグを削除
19[tag.replaceWithChildren() for tag in soup.findAll('strong')]
20
21# br タグ直後の改行を削除
22for tag in soup.findAll('br'):
23    if isinstance(tag.next_sibling, NavigableString):
24        text = tag.next_sibling.strip()
25        tag.next_sibling.replace_with(text)
26
27# br タグを削除
28[tag.replaceWithChildren() for tag in soup.findAll('br')]
29
30print('>>> after\n', soup)

output
1>>> before
2 <html>
3<head></head>
4<body>
5<td><strong>三菱<strong>UFJ<br/>
6        モルガン・<br/>
7        スタンレー証券</strong></strong></td>
8</body>
9</html>
10
11>>> after
12 <html>
13<head></head>
14<body>
15<td>三菱UFJモルガン・スタンレー証券</td>
16</body>
17</html>

投稿2018/10/03 15:38

編集2018/10/04 02:24

tiitoi

総合スコア21956

taro_yamada

2018/10/03 15:57

ありがとうございました！見事にきえました！しかし、次の問題が発生してしまいました。＜BR>を覗いた後にも改行が残っており、stringでタグを消したところ、こちらの中身も消えてしまいます。この対処法はありますでしょうか？＜before＞ <td>三菱UFJ モルガン・ スタンレー証券</td> ＜after＞ <td>三菱UFJ モルガン・スタンレー証券</td> 上の結果にしたの処理をすると中身も消えてしまいます。 for i in table: item.append(i.string)

tiitoi

2018/10/03 16:22

タグとその直後の改行を消せればいいのでしょうか？消した場合、三菱UFJモルガン・スタンレー証券となりますが

taro_yamada

2018/10/04 00:12

ご回答ありがとうございます。実行したところ、以下のようなエラーが出ました。どうもtagがbeautiful　soupのtypeだというエラーのようです。 AttributeError: 'NoneType' object has no attribute 'strip'

tiitoi

2018/10/04 02:27

のあとテキストがない可能性を考慮していなかったので、条件判定するように回答を修正しました。これでどうでしょうか？

taro_yamada

2018/10/04 15:10

御対応ありがとうございます。無事に改行なしまで持ってこれました。が、次の問題が・・・ table = soup.find_all(re.compile("t")) で＜th＞と＜td＞以外を消したいのですが、なぜか三菱だけ一緒に消えてしまいます。どこに問題があるのでしょうか？重ね重ね申し訳ありません。よろしくお願いいたします。

tiitoi

2018/10/04 15:18 編集

当初の タグ、<string> タグを除くという質問内容は解決できていると思うので、お手数ですが、新しく質問を立てていただけますか？あと、質問者さんが試されてる XML がわからないので、入力となるXML」、「希望する出力」の2つを貼ってください。

taro_yamada

2018/10/05 15:59

大変失礼しました。改めて質問します。ご対応ありがとうございました。

行動規範の内容に同意します