python-72：BS4中的clear()，extract()，decompose()

前面咱们已经将正文内容获取出来了，其实到这里已经能够完成这个实例的要求了，可是我在结果中发现一些乱入的字符

就是这些红色框框圈出来的符号，原本这是不影响使用的，但对于轻微强迫症的我来讲，这实在是有点不爽，因此我要想办法将这些烦人的小符号去掉。

首先，经过对源码的分析，我发现这些符号表明的是一个连接

<h1>快速开始<a class="headerlink" href="#id4" title="永久连接至标题">¶</a></h1>
<h1>安装 Beautiful Soup<a class="headerlink" href="#id5" title="永久连接至标题">¶</a></h1>

首先，这是一个<h1>标签，表明的是标题，我固然不能把这部分给删除了，<h1>标签里面包含<a>标签，并且它们的属性都是同样的，class="headerlink"，因此我如今的作法应该是只删除<h1>标签里面带有 class="headerlink" 的<a>标签，BS4中有没有能实现这个功能的函数呢？

clear()
clear() 方法移除当前tag的内容:

extract()
extract() 方法将当前tag移除文档树,并做为方法结果返回:

decompose()
decompose() 方法将当前节点移除文档树并彻底销毁:

这就是传说中BS4的删除三兄弟，理论上，这三个方法应该都是能够实现咱们的功能的，既然要用到这几个功能，咱们就来看看它们的用法和区别，为了方便统一说明，我这里直接在一段代码中实现使用和对比

#!/usr/bin/env python
# -*- coding:UTF-8 -*-
__author__ = '217小月月坑'
'''
BS4删除三兄弟对比
'''

from bs4 import BeautifulSoup
# clear() 方法移除当前tag的内容:
markup = '<a href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup)
a_clear = soup.a
i_clear = soup.i.clear()
# extract() 方法将当前tag移除文档树,并做为方法结果返回
markup = '<a href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup)
a_extract = soup.a
i_extract = soup.i.extract()
# decompose() 方法将当前节点移除文档树并彻底销毁
markup = '<a href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup)
a_decompose = soup.a
i_decompose = soup.i.decompose()
# 输出
print a_clear         # <a href="http://example.com/">I linked to <i></i></a>
print i_clear         # None
print a_extract       # <a href="http://example.com/">I linked to </a>
print i_extract       # <i>example.com</i>
print a_decompose     # <a href="http://example.com/">I linked to </a>
print i_decompose     # None

结果分析：

首先先说a_*，这个变量显示的是使用三种方法后原来的字符串变成什么样子，首先，clear 的结果中还保留有<i></i>，而它的函数功能的描述是移除tag的内容，结果也是和它的描述相符合的，只是移除了tag的内容，它的标签并无被移除，而extract 和 decompose 方法是移除当前tag的文档树，因此它们两个的a_*输出中并无<i></i>

i_* 是执行函数的返回值，也就是说，执行这些方法以后，会不会将删除的东西返回，更直白的理解是能不能看到删除了什么东西。其中只有extract方法的说明中提到有返回值，这里输出的结果中也能够体现

删除三兄弟的用法和区别就简单讲到这里，咱们如今关注的主要问题应该是，怎么在咱们抠出来的正文的代码块中将含有class="headerlink" 属性的标签删除

啊，这里真的是，接着讲的话又太长，转到下一小节的话又显得我有点短小，因此我决定在这里聊点别的

最近经同事介绍发现了一个颇有价值的网站：stackoverflow ，中文名叫堆栈溢出，不过我更喜欢它的另外一个名字，爆栈，这是国外的一个专门的程序员论坛，你能够到上面提问也能够回答问题，说实话，对于技术这方面的东西，我仍是比较承认老外的，因此，常常去上面逛的话，应该会有不少的收获，可是有一些很差的方面就是这个网站加载得真的很慢，并且所有都是英文的，反正大不了也恰好练练本身的 poor english

好了，收拾收拾，准备进入下一小节去解决咱们的问题