我一直在使用BeautifulSoup来解析HTML文档,似乎遇到了问题。我找到了一些我需要提取的文本,但文字很简单。没有标签或任何东西。我不确定是否需要使用正则表达式才能执行此操作,因为我不知道是否可以使用BeautifulSoup获取文本,因为它不包含任何标记。
<strike style="color: #777777">975</strike> 487 RP<div class="gs-container default-2-col">
我正在尝试提取“487”。
谢谢!
答案 0 :(得分:4)
您可以使用上一个或下一个标记作为锚点来查找文本。例如,首先找到<strike>
元素,然后获取它旁边的文本节点:
from bs4 import BeautifulSoup
html = """<strike style="color: #777777">975</strike> 487 RP<div class="gs-container default-2-col">"""
soup = BeautifulSoup(html)
#find <strike> element first, then get text element next to it
result = soup.find('strike',{'style': 'color: #777777'}).findNextSibling(text=True)
print(result.encode('utf-8'))
#output : ' 487 RP'
#you can then do simple text manipulation/regex to clean up the result
请注意,上面的代码是为了演示而不是为了完成整个任务。