Beautifulsoup在标签中分割文字

Question

是否可以通过br标签分割标签中的文本？

我有这个标签内容: [u'+420 777 593 531', <br/>, u'+420 776 593 531', <br/>, u'+420 775 593 531']

我想只得到数字.有什么建议吗？

编辑:

[x for x in dt.find_next_sibling('dd').contents if x!=' <br/>']

根本不起作用.

Answer 1

get_text(strip=True, separator='\n')与以下一起使用str.splitlines：

from bs4 import BeautifulSoup

soup = BeautifulSoup('''\
<dt>Term</dt>
<dd>
    +420 777 593 531<br/>
    +420 776 593 531<br/>
    +420 775 593 531<br/>
</dd>
''', 'html.parser')
print(soup.dd.get_text(strip=True, separator='\n').splitlines())
# ['+420 777 593 531', '+420 776 593 531', '+420 775 593 531']

Answer 2

您需要测试标记为Element实例的标记.Element对象具有name属性,而文本元素则不具有(NavigableText实例):

[x for x in dt.find_next_sibling('dd').contents if getattr(x, 'name', None) != 'br']

由于您似乎只<br />在该<dd>元素中包含文本和元素,因此您也可以只获取所有包含的字符串:

list(dt.find_next_sibling('dd').stripped_strings)

演示:

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('''\
... <dt>Term</dt>
... <dd>
...     +420 777 593 531<br/>
...     +420 776 593 531<br/>
...     +420 775 593 531<br/>
... </dd>
... ''')
>>> dt = soup.dt
>>> [x for x in dt.find_next_sibling('dd').contents if getattr(x, 'name', None) != 'br']
[u'\n    +420 777 593 531', u'\n    +420 776 593 531', u'\n    +420 775 593 531', u'\n']
>>> list(dt.find_next_sibling('dd').stripped_strings)
[u'+420 777 593 531', u'+420 776 593 531', u'+420 775 593 531']