python-74：按原格式下載BS4官方文檔

好了，前面也進行了幾回失敗的嘗試，我來總結一下啊
首先，咱們全部的嘗試本質上是基於一個方法，直接將獲取出來的全部數據一次性刪除。咱們選擇了一個看似最簡單的方法，咱們將數據獲取出來以後想直接將全部數據一次性刪除，一勞永逸，現實是咱們失敗了，但不要緊這是一個很好的作法，在面對事情的時候一開始先嚐試最簡單的方法，這是一個很好的選擇，只是咱們運氣很差罷了。其實我以爲上一小節仍是很重要的，這些問題都是我在學習過程當中遇到的，恰好有機會一塊兒整理出來，但願能給遇到相同問題的人一個解決的思路
既然前面的嘗試不成功，那麼咱們就來換一種思路，我不能一次性把你所有刪除，那我一條一條的刪除總能夠了吧
好了，方向已經找好了，如今來考慮細節
我以爲一開始處理不少條數據的話會很容易形成混亂，因此我決定只刪除一條數據看看是什麼結果，前面也已經說過了，find()函數是返回匹配到的第一個結果，就是它了，擬定的大體流程應該是：使用find()函數獲取第一個要刪除的標籤，而後使用clear()進行刪除，再將結果輸出看是否成功，根據流程我寫下了這樣的代碼：

import urllib2
from bs4 import BeautifulSoup

url = 'http://beautifulsoup.readthedocs.org/zh_CN/latest/#'
request = urllib2.Request(url)
response = urllib2.urlopen(request)
contents = response.read()
soup = BeautifulSoup(contents)
result = soup.find(itemprop="articleBody")
result.find(attrs={"class": "headerlink"}).clear()
print result.get_text()

結果顯示第一個符號已經被刪除了

 這說明咱們的這個嘗試應該是奏效的，如今咱們來想一想怎麼將這個方法應用到咱們全部要刪除的tag中來

首先我第一個想的是在循環裏面實現，先設置一個while循環，判斷find(attrs={"class": "headerlink"})的返回值，當返回值不爲空時一直使用find函數將第一個刪除標籤找出來並將它刪除，當返回值爲空時執行另外的操做

前面爲了更好的獲取所有數據咱們使用了find_all函數，find_all 返回的是一個列表，既然是列表，那我應該能夠對它進行操做，我能夠直接遍歷這個列表並對列表裏面的每個元素作刪除處理，這也是一個很好的嘗試並且看起來比上衣個要好一點，因此我寫了下面的代碼來進行測試

#!/usr/bin/env python
# -*- coding:UTF-8 -*-
__author__ = '217小月月坑'

'''
去掉不和諧的符號
'''

import urllib2
from bs4 import BeautifulSoup

url = 'http://beautifulsoup.readthedocs.org/zh_CN/latest/#'
request = urllib2.Request(url)
response = urllib2.urlopen(request)
contents = response.read()
soup = BeautifulSoup(contents)
result = soup.find(itemprop="articleBody")

for i in result.find_all(attrs={"class": "headerlink"}):
    i.clear()
print result.get_text()

結果是這樣的

咱們看到的結果中已經那個符號已經被刪除了，說明了在使用列表遍歷刪除的方法是能夠成功的

好了，咱們已經可以按照原來的格式將文章正文下載下來，這個實例到這裏就基本完成了，咱們加上寫入文件的部分來看看最終的效果是怎樣的吧