如何保持BeautifulSoup结果只是HTML代码的一部分

Question

我有一个从链接中抓取数据的脚本。我有下面的结果集：

＆＃13;

＆＃13;

<p class="flag"><img alt="Paris" src="/images/flags/FR.gif"/></p>
<p class="flag"><img alt="Austria" src="/images/flags/AT.gif"/></p>
<p class="flag"><img alt="Switzerland" src="/images/flags/CH.gif"/></p>
<p class="flag"><img alt="Malta" src="/images/flags/MT.gif"/></p>
<p class="flag"><img alt="Sydney" src="/images/flags/AU.gif"/></p>
<p class="flag"><img alt="Rotterdam" src="/images/flags/NL.gif"/></p>
<p class="flag"><img alt="London" src="/images/flags/UK.gif"/></p>
<p class="flag"><img alt="London" src="/images/flags/UK.gif"/></p>
<p class="flag"><img alt="West + Wales" src="/images/flags/UK.gif"/></p>
<p class="flag"><img alt="Melbourne" src="/images/flags/AU.gif"/></p>
<p class="flag"><img alt="London" src="/images/flags/UK.gif"/></p>
<p class="flag"><img alt="Bulgaria" src="/images/flags/BG.gif"/></p>
<p class="flag"><img alt="Amsterdam" src="/images/flags/NL.gif"/></p>
<p class="flag"><img alt="Scotland" src="/images/flags/UK.gif"/></p>
<p class="flag"><img alt="Midlands" src="/images/flags/UK.gif"/></p>

＆＃13;

＆＃13;

＆＃13;

如何仅保留字符串/文本以下内容：

• FR
• AT
• CH
• 等...

Answer 1

找到所有img元素，其中包含＆＃34;标记＆＃34;在src内部属性，位于p元素内class="flag"，然后从src属性值中提取语言值：

import re

from bs4 import BeautifulSoup

pattern = re.compile(r"/(\w+)\.gif$")
for img in soup.select("p.flag img[src*=flags]"):
    match = pattern.search(img["src"])
    if match:
        print(match.group(1))

Answer 2

select