Python 仅从HTML文件中获取脚本

我有一个很大的html文件，其中包含一个网站的完整代码。我只关心

…

中的代码。有没有一种方法可以轻松地从html文件中删除这些行？或者我必须按每个

拆分文件吗？我想忽略在第一个代码< >代码>（像头）之前的部分，我需要忽略文件末尾的标签以及中间，就像它从“代码> >代码>到<代码> < /代码> .< /p> 解析HTML时，建议使用HTML解析器库，例如，这项工作不难：

from bs4 import BeautifulSoup
pagehtml = '''
<li> Text 1 </li>
<script>
<li> Text 2 </li>
<li> Text 3 </li>
</script>
<li> Text 4 </li>
<script>
<li> Text 5 </li>
</script>
'''
soup = BeautifulSoup(pagehtml, 'html.parser')

因此，首先是：

>>> soup.findAll("script")[0]
<script>
<li> Text 2 </li>
<li> Text 3 </li>
</script>

>>soup.findAll（“脚本”）[0]
文本2
文本3

第二个是：

>>> soup.findAll("script")[1]
<script>
<li> Text 5 </li>
</script>

>>soup.findAll（“脚本”）[1]
文本5

如果要删除所有脚本标记：

from bs4 import BeautifulSoup
pagehtml = '''
<li> Text 1 </li>
<script>
<li> Text 2 </li>
<li> Text 3 </li>
</script>
<li> Text 4 </li>
<script>
<li> Text 5 </li>
</script>
'''
soup = BeautifulSoup(pagehtml, 'html.parser')
[s.extract() for s in soup.findAll('script')]

从bs4导入美化组
页面HTML=“”
文本1
文本2
文本3
文本4
文本5
'''
soup=BeautifulSoup（pagehtml，'html.parser'）
[s.extract（）表示汤中的s.findAll（'script'）]

---

>>汤
文本1
文本4
>>>

使用特定的html解析器，如BeautifulSoup来完成该任务。

from bs4 import BeautifulSoup
pagehtml = '''
<li> Text 1 </li>
<script>
<li> Text 2 </li>
<li> Text 3 </li>
</script>
<li> Text 4 </li>
<script>
<li> Text 5 </li>
</script>
'''
soup = BeautifulSoup(pagehtml, 'html.parser')
[s.extract() for s in soup.findAll('script')]

>>> soup

<li> Text 1 </li>

<li> Text 4 </li>

>>>