如何在Python中的两个div元素之间获取HTML

Question

我正试图从页面主标题和目录之间的维基百科中删除所有段落。我注意到它们总是位于两个div元素之间，如下所示：

<div id="some-div">...</div>
    <p>...</p>
    <p>...</p>
    <p>...</p>
<div id="some-other-div">...</div>

我想抓住两个div元素之间的所有HTML（不仅仅是文本） 在Python中寻找解决方案。

Answer 1

我怀疑你可以依赖完全一致的格式化。但是，这似乎适用于Python（编程语言）＆＃39;页面，介绍文本由“内容”分隔。框。

我提供了几点说明：

• fetchPreviousSiblings 以相反的顺序返回段落。
• 我会检查内容的长度，以防止不止一次出现的可能性。

• 这种检查垃圾的方法几乎肯定是必要的。

  来自urllib.request import urlopen 来自bs4进口BeautifulSoup 网址=＆＃39; https://en.wikipedia.org/wiki/Python_(programming_language)＆＃39; HTML = str（urlopen（URL）.read（）） 汤= BeautifulSoup（HTML） contents = soup.findAll（＆＃39; div＆＃39;，attrs = {＆＃39; id＆＃39;：＆＃39; toc＆＃39;}） paras = contents [0] .fetchPreviousSiblings（＆＃39; p＆＃39;）