Discussion :

[Epsilon012]

Bonjour

Je doit faire un programme qui va chercher le contenu d'une balise HTML.
J'utilise donc BeautifulSoup or quand je fait:
print soupe.html.body.div("table")[1].tr("td")[3]("span")[1]
Il m'affiche les balises <span></span> avec leurs attributs ..
Comment faire pour les enlever?
J'ai deja essayer de mettre .string mais ca ne marche pas ...
J'ai donc essayer avec les expressions regulières mais je sais pas trop m'en servir .
Alors:
Y a t'il une methode ou autre chose de BeautifulSoup qui me permette de supprimer les balises?
Sinon qu'est ce que ca donne avec des regex?
Merci d'avance

[mchk0123]

Tu peux nous mettre l'ouput de ton print ?

En attendant pour les regex, c'est trés simple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
import re
 
content = re.match("<span>(.*)</span>").groups(1)

Le "." veux dire n'importe quel caractère, le "*" veut dire répéter le caractère précédent. Le fait de mettre des parenthèses "()" veut dire sauver le contenu dans le registre 1 (s'il y avait d'autres parenthèse le contenu serait sauvé dans le registre 2, 3, ...).

Enfin ".group(1)" veux dire donne moi le résultat du registre 1.

[oiffrig]

Je modifierais simplement quelque peu le code

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
import re
 
content = re.search("<span[^>]*>(.*?)</span>", re.DOTALL | re.IGNORECASE).group(1)

Pour que le ".*" prenne aussi les retours à la ligne, en HTML je dirais que ce n'est pas ce qui manque généralement, et pour que "<SPAN>" passe aussi.
Le "[^>]*" correspond à "Tout jusqu'au prochain '>'" et le "?" derrière ".*" correspond à "le moins possible"
De plus, il faut utiliser re.search de préférence, puisque match se limite au début de la chaîne.