漂亮的汤解析网址来自凌乱的outpu

Question

我有漂亮的汤代码，看起来像：

 for item in beautifulSoupObj.find_all('cite'):
            pagelink.append(item.get_text())

问题是，我试图解析的html代码如下所示：

<cite>https://www.<strong>websiteurl.com/id=6</strong></cite>

我上面的当前选择器将获取所有内容，包括其中的strong标记

因此，如何仅解析：

https://www.websiteurl.com/id=6

注意<cite>在整个页面中出现多次，我想提取并打印所有内容

谢谢你

Answer 1

只提取文本部分就像对对象执行.text一样简单。 我们可以使用basicBeautifulSoup方法遍历树层次结构

关于如何做到这一点的有用解释：HERE

from bs4 import BeautifulSoup

html = '''<cite>https://www.<strong>websiteurl.com/id=6</strong></cite>'''


soup = BeautifulSoup(html, 'html.parser')

print(soup.cite.text)
# is the same as soup.find('cite').text