从 span 中删除 <sup> 标签中的文本，同时抓取其余文本

Question

我正在尝试用漂亮的汤抓取文本，我需要从具有特定类的跨度内获取文本，但丢弃具有不同类的同一跨度内的上标数字。我可以很容易地使用 get_text 从跨度中提取数字和内容，但我最终也得到了上标数字。该解决方案需要能够丢弃 sup 标签的每个实例及其文本内容。

示例 HTML：

<span class="woj">
 <sup class="versenum">
  16
 </sup>
  The text I want
</span>

我现在得到的：16个我想要的文字

我想要的：我想要的文字

Answer 1

您可以使用

.sup.extract()

提取所有sup标签

html = '<span class="woj"><sup class="versenum">16</sup>The text I want</span>'

parsed_element = bs.BeautifulSoup(html, 'html.parser')
[s.extract() for s in parsed_element('sup')]
text = parsed_element.text

Answer 2

你可以使用这个逻辑：

foreach(var sup in node.SelectNodes("//sup")) {
   sup.Remove();
}