如何从标记中获取文本,但忽略其他子标记

Question

我正在喝美味的汤.我有一个HTML字符串:

<div><b>ignore this</b>get this</div>

如何检索"得到这个",而忽略" 忽略这个 "

谢谢

Answer 1

您可以获取div文本而不是递归检索子文本:

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<div><b>ignore this</b>get this</div>')
>>> soup.div.find(text=True, recursive=False)
u'get this'

这与儿童的文本位置无关:

>>> soup = BeautifulSoup('<div>get this<b>ignore this</b></div>')
>>> soup.div.find(text=True, recursive=False)
u'get this'