Python：提取HTML内容

Question

有没有办法通过使用BeautifulSoup或任何库提取以下html来获取“要提取的数据”内容

<div>
    <ul class="main class">
      <li>
        <p class="class_label">User Name</p>
        <p>"Data to be extracted"</p>
      </li>
 </ul>
</div>

提前感谢您的帮助!! :)

Answer 1

肯定有多种选择。对于初学者，您可以找到p class="class_label"元素并获取next p sibling：

from bs4 import BeautifulSoup

data = """
<div>
    <ul class="main class">
      <li>
        <p class="class_label">User Name</p>
        <p>"Data to be extracted"</p>
      </li>
 </ul>
</div>
"""

soup = BeautifulSoup(data)
print soup.find('p', class_='class_label').find_next_sibling('p').text

或者，使用CSS selector：

soup.select('div ul.main li p.class_label + p')[0].text

或者，依赖User Name文字：

soup.find(text='User Name').parent.find_next_sibling('p').text

或者，依赖于p标记内li元素的位置：

soup.select('div ul.main li p')[1].text