是否可以使用 BeautifulSoup 只获取没有类或 id 的标签？

我有数千个 HTML 网站，我正在尝试过滤这些网站中的文本。

我正在用漂亮的汤来做这个。get_text()从这些网站给我提供了很多不必要的信息。

因此我写了一个循环：

l = []
for line in text5:                   
    soup = bs(line, 'html.parser')
    p_text = ' '.join(p.text for p in soup.find_all('p'))  
    k = p_text.replace('\n', '')
    l.append(k)

但是这个循环给了我以开头的标签中的所有内容<p.

例如：

我想要两个普通之间的一切<p>标签。 但我也从这样的内容中获取内容：

<p class="header-main__label"> bla ba </p>.

我可以告诉 BeautifulSoup 只得到简单的吗<p> tags?

您可以设置False for class and id它会获得标签而无需class and id

soup.find_all('p', {'class': False, 'id': False})

或（词class_ has _因为有关键字class在Python中）

soup.find_all('p', class_=False, id=False)

from bs4 import BeautifulSoup as BS

text = '<p class="A">text A</p>  <p>text B</p>  <p id="C">text C</p>'

soup = BS(text, 'html.parser')

# ----

all_items = soup.find_all('p', {'class': False, 'id': False})

for item in all_items:
    print(item.text)

# ---

all_items = soup.find_all('p', class_=False, id=False)

for item in all_items:
    print(item.text)

EDIT:如果您想要没有任何属性的标签，那么您可以使用过滤项目not item.attrs

for item in all_items:
    if not item.attrs:
        print(item.text)

from bs4 import BeautifulSoup as BS

text = '<p class="A">text A</p> <p>text B</p> <p id="C">text C</p> <p data="D">text D</p>'

soup = BS(text, 'html.parser')

all_items = soup.find_all('p')

for item in all_items:
    if not item.attrs:
        print(item.text)