美化组父标记

Question

我有一些html，我想从中提取文本。下面是html的一个示例：

<p>TEXT I WANT <i> &#8211; </i></p>

现在，很明显，这个文档中有很多<p>标记。因此，find('p')不是获取要提取的文本的好方法。但是，<i>标记是文档中唯一的标记。所以，我想我可以找到<i>然后去找父母。

我试过：

up = soup.select('p i').parent

以及

up = soup.select('i')
print(up.parent)

我试过用.parents，我试过find_all('i')，find('i')。。。但我总是得到：

'list' object has no attribute "parent"

我做错什么了？

Answer 1

select()和find_all()都返回一个元素数组。你应该这样做：

for el in soup.select('i'):
    print el.parent.text

Answer 2

这是有效的：

i_tag = soup.find('i')
my_text = str(i_tag.previousSibling).strip()

输出：

'TEXT I WANT'

如其他答案所述，find_all()返回一个列表，而find()返回第一个匹配项或None

如果您不确定是否存在i标记，可以使用try/except块

Answer 3

find_all()返回一个列表。find('i')返回第一个匹配元素，即None。

因此，使用：

try:
    up = soup.find('i').parent
except AttributeError:
    # no <i> element

演示：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<p>TEXT I WANT <i> &#8211; </i></p>')
>>> soup.find('i').parent
<p>TEXT I WANT <i> – </i></p>
>>> soup.find('i').parent.text
u'TEXT I WANT  \u2013 '