用Python提取HTML源碼中的註釋與去掉註釋

遇到一個編程問題，你必須首先想到的是要簡化它，簡化成一個最簡單的問題後，寫最簡單的代碼來解決它，同時只付出最簡單的測試代價。

簡單HTML源碼：

1<!--The loneliest number-->
                        <a>2<!--Can be as bad as one--><b>3

提取上述代碼中的註釋：

from bs4 import BeautifulSoup, Comment

soup = BeautifulSoup("""1<!--The loneliest number-->
                        <a>2<!--Can be as bad as one--><b>3""")
comments = soup.findAll(text=lambda text:isinstance(text, Comment))

for comment in comments:
    print comment

輸出結果：

The loneliest number
Can be as bad as one

去掉上面HTML代碼中的註釋：

from bs4 import BeautifulSoup, Comment

soup = BeautifulSoup("""1<!--The loneliest number-->
                        <a>2<!--Can be as bad as one--><b>3""")
comments = soup.findAll(text=lambda text:isinstance(text, Comment))
[comment.extract() for comment in comments]
print soup

輸出結果：

1
<a>2<b>3</b></a>

參考：

一、How to find the comment tag <!--…--> with BeautifulSoup?

二、BeautifulSoup documentation #Removing elements