Question

html看起来像这样：

<td class='Thistd'><a ><img /></a>Here is some text.</td>

我只想在<td>中获取字符串。我不需要<a>...</a>。我怎么能这样做？

我的代码：

from bs4 import BeautifulSoup
html = """<td class='Thistd'><a><img /></a>Here is some text.</td>"""

soup = BeautifulSoup(html)
tds = soup.findAll('td', {'class': 'Thistd'})
for td in tds:
    print td
    print '============='

我得到的是<td class='Thistd'><a ><img /></a>Here is some text.</td>

但我只需要Here is some text.

Answer 1

<强>代码：

from bs4 import BeautifulSoup
html = """<td class='Thistd'><a ><img /></a>Here is some text.</td>"""

soup = BeautifulSoup(html)
tds = soup.findAll('td', {'class': 'Thistd'})
for td in tds:
    print td.text#the only change you need to do
    print '============='

<强>输出：

Here is some text.
=============

注意：

.text用于仅获取给定bs4对象的text属性，在这种情况下，它是td标记。有关详细信息，请查看official site

Answer 2

使用td.getText()从元素中获取纯文本。

<强>即。）

for td in tds:
    print td.getText()
    print '============='

<强>输出：

Here is some text.
=============

修改

您可以删除<a>元素，然后打印左侧。.extract方法从可用的bs4对象中删除该特定标记

<强>即。）

for td in tds: td.a.extract() print td

<强>输出：

<td class="Thistd">Here is some<b>here is a b tag </b></td>

如何用beautifulsoup4提取HTML？

2 个答案: