Dra*_*gon 49 python parsing text beautifulsoup
我想只从我汤中最顶层的元素中提取文字; 但是,soup.text也提供了所有子元素的文本:
我有
import BeautifulSoup
soup=BeautifulSoup.BeautifulSoup('<html>yes<b>no</b></html>')
print soup.text
输出到此是yesno.我只想'是'.
实现这一目标的最佳方法是什么？
编辑:我也想yes在解析' <html><b>no</b>yes</html>' 时输出.
jbo*_*chi 47
怎么样.find(text=True)？
>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').find(text=True)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').find(text=True)
u'no'
编辑:
我想我已经理解了你现在想要的东西.试试这个:
>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').html.find(text=True, recursive=False)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').html.find(text=True, recursive=False)
u'yes'
Tig*_*isC 23
你可以使用内容
>>> print soup.html.contents[0]
yes
或者要获取html下的所有文本,请使用findAll(text = True,recursive = False)
>>> soup = BeautifulSoup.BeautifulSOAP('<html>x<b>no</b>yes</html>')
>>> soup.html.findAll(text=True, recursive=False)
[u'x', u'yes']
以上连接形成单个字符串
>>> ''.join(soup.html.findAll(text=True, recursive=False))
u'xyes'
小智 12
这适用于bs4:
import bs4
node = bs4.BeautifulSoup('<html><div>A<span>B</span>C</div></html>').find('div')
print "".join([t for t in node.contents if type(t)==bs4.element.NavigableString])
输出:
AC
在现代（截至 2023-06-17）BeautifulSoup4 中，给出：
from bs4 import BeautifulSoup
node = BeautifulSoup("""
<html>
<div>
<span>A</span>
B
<span>C</span>
D
</div>
</html>""").find('div')
使用以下命令获取直接子文本元素 ( BD)：
s = "".join(node.find_all(string=True, recursive=False))
并使用以下命令获取所有后代文本元素 ( ABCD)：
s = "".join(node.find_all(string=True, recursive=True))
| 归档时间： |
|
| 查看次数： |
40495 次 |
| 最近记录： |