不知道如何解析这个

Question

<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>

我需要的只是おもに。もっぱら。物事の重点・大勢を述べるときに用いる。

通常，hinshi类与我试图解析的句子是分开的，但对于其中一些句子，它们似乎是组合在一起的。无论如何只是打印句子而忽略［副］？

Answer 1

您可以通过以下几种方式完成此操作，即：

1. 使用XPath（通过lxml）
2. 使用正则表达式（通过re module）
3. 使用Beautiful Soup

alcxe和che介绍了如何使用方法＃3，所以这里有两种方法：

1. 的XPath：

   from lxml.html import fromstring
   s = u'<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>'
   print(fromstring(s).xpath('//div/text()')[0])
   

2. 正则表达式：

   import re
   s = u'<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>'
   print(re.findall("</span>(.*)</div>", s)[0])
   

上述两种方法都要求您学习一些新的库/“子语言”（XPath / Regex），但它们是通用的，可以用于许多其他语言（Beautiful Soup只适用于Python）。

快乐解析！

Answer 2

如果要省略所有子标签并且只能对div.meaning的内容进行字符串排序，则可以通过查看其name属性（仅标记有）来过滤节点：

from BeautifulSoup import BeautifulSoup
s = BeautifulSoup('[<div class="meaning"><span class="hinshi">［副］</span>物事の重点・大勢を述べるときに用いる。</div>]')
nodes = s.find('div', 'meaning').contents
only_strings = [x for x in nodes if getattr(x, 'name', None) is None]                                           
print ''.join(only_strings)

会帮你的

物事の重点・大勢を述べるときに用いる。

（假设＆＃34;おもに。もっぱら。＆＃34;是一个错字，因为它在源字符串中没有任何地方）

Answer 3

有多种方法可以获得所需的文字。

我在div中找到了class="meaning" recursive=False的文字节点：

soup.find('div', class_="meaning").find(text=True, recursive=False)

或者，您可以获取内部span元素并找到next sibling：

soup.find('div', class_="meaning").find('span', class_="hinshi").next_sibling

或使用CSS selector：

soup.select('div.meaning > span.hinshi')[0].next_sibling

或者，您可以从contents列表中获取最后一个元素：

soup.select('div.meaning')[0].contents[-1]

所有四个选项都会产生：

物事の重点・大勢を述べるときに用いる。