使用Beautiful Soup无法定位删除含facebook.com的HTML元素求助

原代码问题分析 #

• 仅针对<a>标签本身执行删除，未删除包含该链接的完整<p>父元素，不符合删除整段的需求
• 错误使用find()方法查找子元素来判断链接内容，实际链接地址存放在<a>标签的href属性中，需要读取属性值判断
• any()用法错误，此处为单字符串包含判断，不需要用any()
• 生成器表达式内部变量名和外层容器变量名重名，导致逻辑混乱

可行实现方案 #

from bs4 import BeautifulSoup

# 假设你已完成页面解析得到soup2对象，以下是核心处理逻辑
getDetails = soup2.find('div', class_='post-body entry-content')
to_remove_keyword = "www.facebook.com"

if getDetails:
    # 遍历所有带href属性的a标签
    for a_tag in getDetails.find_all('a', href=True):
        if to_remove_keyword in a_tag['href']:
            # 定位到a标签所属的p父元素并删除
            p_parent = a_tag.find_parent('p')
            if p_parent:
                p_parent.decompose()
else:
    print("未找到目标内容容器")

如果后续需要适配链接在其他类型元素中的场景，调整find_parent()的参数为对应元素标签名即可。

内容的提问来源于stack exchange，提问作者Sainita