仅从该元素中提取文本，而不是其子元素

2024-05-15 15:44:14 发布

您现在位置：Python中文网/ 问答频道 /正文
1370 3

我只想从汤的最上面的元素中提取文本；但是soup.text也提供了所有子元素的文本：

我有

import BeautifulSoup
soup=BeautifulSoup.BeautifulSoup('<html>yes<b>no</b></html>')
print soup.text

它的输出是yesno。我只想说“是的”。

实现这一目标的最佳方法是什么？

编辑：我还希望在解析“<html><b>no</b>yes</html>”时输出yes。


Tags： 方法notext文本import元素编辑目标
3条回答
网友
1楼 · 编辑于 2024-05-15 15:44:14

你可以用contents

>>> print soup.html.contents[0]
yes

或者要获取html下的所有文本，请使用findAll（text=True，recursive=False）

>>> soup = BeautifulSoup.BeautifulSOAP('<html>x<b>no</b>yes</html>')
>>> soup.html.findAll(text=True, recursive=False) 
[u'x', u'yes']

上面连接成一个字符串

>>> ''.join(soup.html.findAll(text=True, recursive=False)) 
u'xyes'
网友
2楼 · 编辑于 2024-05-15 15:44:14

那.find(text=True)呢？

>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').find(text=True)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').find(text=True)
u'no'

编辑：

我想我已经明白你现在想要什么了。试试这个：

>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').html.find(text=True, recursive=False)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').html.find(text=True, recursive=False)
u'yes'
网友
3楼 · 编辑于 2024-05-15 15:44:14

这对我在bs4工作：

import bs4
node = bs4.BeautifulSoup('<html><div>A<span>B</span>C</div></html>').find('div')
print "".join([t for t in node.contents if type(t)==bs4.element.NavigableString])

输出：

AC

相关问题 更多 >

    编程相关推荐