Question

我试图使用beautifulsoup解析evernote清单的内容。但是当我在内容上调用html解析器时，它会不断纠正自闭标签（en-todo），所以当我尝试获取en-todo标签的文本时，它要么是空白的。

note_body = '<en-todo checked="true" />window caulk<en-todo />cake pan<en-todo />cake mix<en-todo />salad mix<en-todo checked="true"/>painters tape<br />'

import re
from bs4 import BeautifulSoup 
soup = BeautifulSoup(note_body, 'html.parser')
checklist_items = soup.find_all('en-todo')
print checklist_items

上面的代码只返回标签，没有任何文字。

[<en-todo checked="true"></en-todo>, <en-todo></en-todo>, <en-todo></en-todo>, <en-todo></en-todo>, <en-todo checked="true"></en-todo>]

Answer 1

这适用于您的字符串：

from bs4 import BeautifulSoup
soup = BeautifulSoup(note_body, 'html.parser')
checklist_items = soup.find_all('en-todo')
for item in checklist_items:
    print(item.get_text())

Answer 2

您需要获取未标记的短信！

您需要使用tag.next_sibling！

>>> [each.next_sibling for each in checklist_items]
[u'window caulk', u'cake pan', u'cake mix', u'salad mix', u'painters tape']

Answer 3

尝试next。

示例：

Data: <br /> My information
item.next
Gives: My information

Python BeautifulSoup：如何从自闭标签中获取文本

3 个答案: