Beautifulsoup 4: Удалить тег комментария и его содержимое

Таким образом, страница, которую я использую, содержит эти html-коды. Как удалить тег комментария <!-- --> вместе с его содержимым с помощью bs4?

<div class="foo">
cat dog sheep goat
<!-- 
<p>NewPP limit report
Preprocessor node count: 478/300000
Post‐expand include size: 4852/2097152 bytes
Template argument size: 870/2097152 bytes
Expensive parser function count: 2/100
ExtLoops count: 6/100
</p>
-->

</div>

Ответ 1

Вы можете использовать extract() (решение основано на этом ответе):

PageElement.extract() удаляет тег или строку из дерева. Возвращает тег или строку, которые были извлечены.

from bs4 import BeautifulSoup, Comment

data = """<div class="foo">
cat dog sheep goat
<!--
<p>test</p>
-->
</div>"""

soup = BeautifulSoup(data)

div = soup.find('div', class_='foo')
for element in div(text=lambda text: isinstance(text, Comment)):
    element.extract()

print soup.prettify()

В результате вы получите свой div без комментариев:

<div class="foo">
    cat dog sheep goat
</div>

Ответ 2

Обычно изменение дерева разбора bs4 не требуется. Вы можете просто получить текст div, если это вам нужно:

soup.body.div.text
Out[18]: '\ncat dog sheep goat\n\n'

bs4 отделяет комментарий. Однако, если вам действительно нужно изменить дерево разбора:

from bs4 import Comment

for child in soup.body.div.children:
    if isinstance(child,Comment):
        child.extract()

Ответ 3

Из этого ответа Если вы ищете решение в BeautifulSoup версии 3 BS3 Docs - Комментарий

soup = BeautifulSoup("""Hello! <!--I've got to be nice to get what I want.-->""")
comment = soup.find(text=re.compile("if"))
Comment=comment.__class__
for element in soup(text=lambda text: isinstance(text, Comment)):
    element.extract()
print soup.prettify()