Question

这是我的第一个BS编码实验我抓的网站是here
我遇到的问题是这段代码：

<div class="cmg_team_name">
            ARST
            <span>101</span>
</div>

这是我的代码：

import numpy as np
from bs4 import BeautifulSoup
import urllib2

url = "http://covers.com/Sports/NCAAF/Matchups?selectedDate=2015-10-13"
page = urllib2.urlopen(url)
soup = BeautifulSoup(page.read(), 'html.parser')
universities = soup.find_all('div',{'class':'cmg_team_name'})

#for university in universities:
#    print university.contents
#    print "****************"
print universities[0]

我的问题是如何只访问span标志之前的文本。在这个例子中，我只想要ARST。我已尝试print universities[0].get_text()，print universities[0].string会产生None，也会产生数组符号。我知道如何在C ++中做到这一点，但我假设python / BSoup会在一行中做到这一点......感谢adavance！

Answer 1

您必须首先从div中删除span，然后清除空格和回车等额外字符。

for university in universities:
    span = [span.extract() for span in university('span')]
    univ = university.text.replace(' ','').replace('\r','').replace('\n','')
    print univ

<span>标志前的文字

1 个答案: