我有HTML代码,如下所示:
<a href="/Content.aspx?id=102966" id="mylink" target="_blank">EZSTORAGE - PACK IT. STORE IT. WIN - <img src="/images/usa.png" style="border:none; height:14px; margin-bottom:-2px;"/> Nationwide - <span title="college students/staff of schools in valid states">Restrictions</span> - Ends 6/30/15</a>
我正在尝试提取呈现此HTML时显示的文本 .
更具体地说,对于这个例子'a'标签,我正试图提取“EZSTORAGE - PACK IT . STORE IT.WIN - Nationwide - Restrictions - Ends 6/30/15”
但我无法提取全文,因为它被'img'标签和'span'分解 .
为了提供更多上下文,我一直在使用下面的代码搜索所有'a'标签并提取链接文本 .
for link in soup.find_all('a', id='mylink'):
raw.append(link)
link_text = link.contents[0].encode('utf-8')
sweeps.append(link_text)
#output: 'EZSTORAGE - PACK IT. STORE IT. WIN - '
任何见解将不胜感激!
2 回答
你不能喜欢这个MWE,使用
link.text
而不是link.contents
结果:
您可以使用常规查找所有文本
返回“EZSTORAGE - PACK IT . STORE IT.WIN - Nationwide - Restrictions - 2015年6月30日结束”