Python BeautifulSoup从HTML获取文本

Question

我有一些像这样的HTML代码：

<p>aaa</p>bbb
<p>ccc</p>ddd

如何获得'bbb'和'ddd'？

Answer 1

你可以阅读每个p标签的后续兄弟（注意这是非常具体的文本，所以希望它可以扩展到你的情况）：

In [1]: from bs4 import BeautifulSoup

In [2]: html = """\
   ...: <p>aaa</p>bbb
   ...: <p>ccc</p>ddd"""

In [3]: soup = BeautifulSoup(html)

In [4]: [p.next_sibling for p in soup.findAll('p')]
Out[4]: [u'bbb\n', u'ddd']

这会获取尾随换行符，因此如果需要，您可以将其删除：

In [5]: [p.next_sibling.strip() for p in soup.findAll('p')]
Out[5]: [u'bbb', u'ddd']

一般的想法是你在目标文本之前找到标签，然后找到下一个兄弟元素，它应该是你的文本。

Answer 2

如果将值（'bbb'，'ddd'）括在标记中（<span>）

，则会更容易

然后你可以使用：汤（'span'）