不知道怎么解析这个

Question

<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>

我只需要おもに。もっぱら。物事の重点・大勢を述べるときに用いる。你知道吗

通常，hinshi类与我试图解析的句子是分开的，但对于其中一些句子来说，它们似乎是组合在一起的。有没有什么方法可以只打印句子而忽略［副］？你知道吗

Answer 1

有多种方法可以获得所需的文本。你知道吗

我会在div中找到一个文本节点，其中class="meaning"具有recursive=False：

soup.find('div', class_="meaning").find(text=True, recursive=False)

或者，您可以获取内部span元素并找到next sibling：

soup.find('div', class_="meaning").find('span', class_="hinshi").next_sibling

或使用^{}：

soup.select('div.meaning > span.hinshi')[0].next_sibling

或者，您可以从^{}列表中获取最后一个元素：

soup.select('div.meaning')[0].contents[-1]

这四个选项的结果都是：

物事の重点・大勢を述べるときに用いる。

Answer 2

如果您想省略所有子标签，只需将div.meaning的内容串起来，就可以通过查看其name属性（只有标签才有）来过滤节点：

from BeautifulSoup import BeautifulSoup
s = BeautifulSoup('[<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>]')
nodes = s.find('div', 'meaning').contents
only_strings = [x for x in nodes if getattr(x, 'name', None) is None]                                           
print ''.join(only_strings)

我会抓到你的

物事の重点・大勢を述べるときに用いる。

（假定“おもに.もっぱら”是一个打字错误，因为它不在源字符串中）

Answer 3

您可以通过两种方式来实现这一点，即：

1. 使用XPath（通过lxml）
2. 使用正则表达式（通过re module）
3. 使用Beautiful Soup

alcxe和che介绍了如何使用方法3，所以这里还有两种方法：

1. XPath:

   from lxml.html import fromstring
   s = u'<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>'
   print(fromstring(s).xpath('//div/text()')[0])
   

2. 正则表达式：

   import re
   s = u'<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>'
   print(re.findall("</span>(.*)</div>", s)[0])
   

以上两种方法都要求您学习一些新的库/“子语言”（XPath/Regex），但是它们是通用的，并且可以在许多其他语言中使用（Beautiful Soup仅适用于Python）。你知道吗

快乐解析！你知道吗