首页 文章

使用beautifulsoup在换行符之间提取文本（例如<br />标签）

提问于
浏览 次
15

我有一个更大的文档中的以下HTML



Important Text 1




Not Important Text


Important Text 2


Important Text 3




Non Important Text


Important Text 4

我目前正在使用BeautifulSoup来获取HTML中的其他元素，但我无法找到在
标记之间获取重要文本行的方法 . 我可以隔离并导航到每个
元素，但无法找到在其间获取文本的方法 . 任何帮助将不胜感激 . 谢谢 .

python html html-parsing beautifulsoup

3 回答

  • 4

    如果您只想要两个
    标签之间的任何文本，您可以执行以下操作：

    from BeautifulSoup import BeautifulSoup, NavigableString, Tag

input = '''
    
Important Text 1

    

    
Not Important Text

    
Important Text 2

    
Important Text 3

    

    
Non Important Text

    
Important Text 4

    '''

soup = BeautifulSoup(input)

for br in soup.findAll('br'):
    next_s = br.nextSibling
    if not (next_s and isinstance(next_s,NavigableString)):
        continue
    next2_s = next_s.nextSibling
    if next2_s and isinstance(next2_s,Tag) and next2_s.name == 'br':
        text = str(next_s).strip()
        if text:
            print "Found:", next_s

    但也许我误解了你的问题？您对问题的描述似乎与示例数据中的“重要”/“非重要”不匹配，所以我已经删除了描述;）

    回复于
  • 0

    因此，出于测试目的，我们假设这个HTML块位于 span 标记内：

    x = """<span>
    
Important Text 1

    

    
Not Important Text

    
Important Text 2

    
Important Text 3

    

    
Non Important Text

    
Important Text 4

    </span>"""

    现在我要解析它并找到我的span标签：

    from BeautifulSoup import BeautifulSoup
y = soup.find('span')

    如果你在 y.childGenerator() 中迭代生成器，你将获得br和文本：

    In [4]: for a in y.childGenerator(): print type(a), str(a)
   ....: 
<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 
Important Text 1

<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 

<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 
Not Important Text

<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 
Important Text 2

<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 
Important Text 3

<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 

<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 
Non Important Text

<type 'instance'> 
    
<class 'BeautifulSoup.NavigableString'> 
Important Text 4

<type 'instance'>
    回复于
  • 21

    以下对我有用：

    for br in soup.findAll('br'):
    if str(type(br.contents[0])) == '<class \'BeautifulSoup.NavigableString\'>':
       print br.contents[0]
    回复于

相关问题