tor*_*orr 6 python beautifulsoup web-scraping
给出以下代码：
<html>
<body>
<div class="category1" id="foo">
<div class="category2" id="bar">
<div class="category3">
</div>
<div class="category4">
<div class="category5"> test
</div>
</div>
</div>
</div>
</body>
</html>
如何test从<div class="category5"> testBeautifulSoup中提取单词，即如何处理嵌套的div？我尝试在Internet上查找，但是没有找到任何可以轻松理解的示例，因此我设置了这个示例。谢谢。
xpath应该是直接的答案，但是BeautifulSoup。
为此，假设您知道这种情况下的类和元素（div），则可以使用for/loopwith attrs来获取所需的内容：
from bs4 import BeautifulSoup
html = '''
<html>
<body>
<div class="category1" id="foo">
<div class="category2" id="bar">
<div class="category3">
</div>
<div class="category4">
<div class="category5"> test
</div>
</div>
</div>
</div>
</body>
</html>'''
content = BeautifulSoup(html)
for div in content.findAll('div', attrs={'class':'category5'}):
print div.text
test
我毫不费力地从html示例中提取文本，就像@MartijnPieters建议的那样，您将需要找出为什么div元素丢失的原因。
由于您缺少lxml的解析器BeautifulSoup，因此未返回任何内容的原因就是没有返回。安装lxml应该可以解决您的问题。
您可以考虑使用lxml支持xpath的类似方法，如果您询问我，也很容易。
from lxml import etree
tree = etree.fromstring(html) # or etree.parse from source
tree.xpath('.//div[@class="category5"]/text()')
[' test\n ']