Question

我需要使用python代码进行网页抓取，以获取标签内的第一行文本。

扩大产量：1995年9月22日

html代码像这样

<div class="txt-block">
<h4 class="inline">Release Date:</h4> 22 September 1995 (USA)
<span class="see-more inline">
<a href="releaseinfo?ref_=tt_dt_dt">See more</a>&nbsp;»
</span></div>

我获取数据的代码是

soup.find('div', {"class": "txt-block"}).text

输出为：发行日期：1995年9月22日（美国），查看更多

Answer 1

我会这样做

text = soup.find('h4').next_sibling
text.replace('(USA)','')

或

text = soup.find('h4',{'class','inline'}).next_sibling
text.replace('(USA)','')

比起使用正则表达式，您可以从文本中排除括号(USA)之类的单词。

使用正则表达式从字符串中删除特定单词

text = soup.find('h4',{'class','inline'}).next_sibling
import re
text = re.sub(r'\s\(.+\)','',text)

这将从该字符串中删除所有其他括号包含的单词。

使用webscrapping获取标签内的第一行文本

1 个答案: