Beautiful Soup

carbon · #1 (**permalink**) 08/12/2012, 16:07

Hola a todos. Voy directo al problema. Tengo el siguiente código:

Código Python:

Ver original>>> from bs4 import BeautifulSoup
>>>
>>> doc = "<html><p>Peter&# 39;s house</p></html>"
>>> text = BeautifulSoup(doc).get_text()
>>> text
u"Peter's house"

Hay alguna manera de hacer eso mismo (remover el código html) sin que convierta el &# 39; (lo escribo separado para que se visualice) en el caracter correspondiente?
No he encontrado alguna solución en la documentación.

Gracias desde ya!

razpeitia · #2 (**permalink**) 08/12/2012, 17:54

Parece no haber forma en bs4.

carbon · #3 (**permalink**) 09/12/2012, 10:42

Gracias. Alguna otra alternativa o módulo?

razpeitia · #4 (**permalink**) 09/12/2012, 10:58

Con BS3.

Código Python:

Ver originalfrom BeautifulSoup import BeautifulSoup
doc = "<html><p>Peter's house</p></html>"
text = BeautifulSoup(doc).get_text()
print text.getText()

carbon · #5 (**permalink**) 09/12/2012, 15:29

Gracias!