Question

我尝试仅从selectet标签获取文本，例如：

<div class="article-container">
  <p>tekst 1</p> <!-- this tag -->
  <p>none</p>
  <p>tekst 2</p> <!-- this tag -->
  <p>none</p>
  <p>tekst 3</p> <!-- this tag -->
  <p>none</p>
  <p>tekst 4</p> <!-- this tag -->
</div>

我尝试获取“ tekst 1 tekst 2 tekst 3 tekst 4”（但标记中的文本完全不同，例如“ tekst 1”等，只是示例），

我简单的python函数如下所示：

def get_article(url):
    page = requests.get(str(url))
    soup = BeautifulSoup(page.text, 'html.parser')

    article = soup.find(class_='article-container')

    article_only = article.text

    return(article_only)

但是他返回了全文。有没有办法像上面的示例一样使用BS获取所选元素？任何帮助将不胜感激。

Answer 1

使用正则表达式re并搜索文本。

from bs4 import BeautifulSoup
import re

html='''<div class="article-intro">
<p>tekst 1</p>
<p>none</p>
<p>tekst 2</p>
<p>none</p>
<p>tekst 3</p>
<p>none</p>
<p>tekst 4</p>
</div>'''

soup=BeautifulSoup(html,'html.parser')
for item in soup.find('div', class_='article-intro').find_all('p', text=re.compile('tekst')):
    print(item.text)

输出：

tekst 1
tekst 2
tekst 3
tekst 4

或者您可以使用python lambda函数。

from bs4 import BeautifulSoup

html='''<div class="article-intro">
<p>tekst 1</p>
<p>none</p>
<p>tekst 2</p>
<p>none</p>
<p>tekst 3</p>
<p>none</p>
<p>tekst 4</p>
</div>'''

soup=BeautifulSoup(html,'html.parser')
for item in soup.find('div', class_='article-intro').find_all(lambda tag:tag.name=='p' and 'tekst' in tag.text):
    print(item.text)

输出：

tekst 1
tekst 2
tekst 3
tekst 4

Answer 2

因此，只需要1,3,5,7个元素，就可以这样做：

代码：

from bs4 import BeautifulSoup as soup

html = """<div class="article-intro">
<p>tekst 1</p>
<p>none</p>
<p>tekst 2</p>
<p>none</p>
<p>tekst 3</p>
<p>none</p>
<p>tekst 4</p>
</div>"""

page = soup(html, 'html.parser')
div = page.find('div',{'class':'article-intro'})
ps = div.find_all('p')
for i in range(len(ps)):
    if i % 2 == 0:
        print(ps[i].text)

输出：

tekst 1
tekst 2
tekst 3
tekst 4

Answer 3

find_all()函数始终返回列表。

注意：text参数是一个旧名称，因为BeautifulSoup 4.4.0被称为string。

尽管字符串用于查找字符串，但您可以将其与查找标签的参数：Beautiful Soup将查找其标签的所有标签 .string与您的string值匹配。此代码查找其 .string是“ tekst”：

from bs4 import BeautifulSoup 
import re  

html = '''<div class="article-container">
<p>tekst 1</p>
<p>none</p>
<p>tekst 2</p>
<p>none</p>
<p>tekst 3</p>
<p>te</p>
<p>tekst 4</p>
</div>'''

soup = BeautifulSoup(html, 'lxml')
article = soup.select("div[class='article-container']")[0]
article_only = article.find_all(string=re.compile("tekst"))
print(article_only)

O / P：

['tekst 1', 'tekst 2', 'tekst 3', 'tekst 4']

Answer 4

一些不同的选项，取决于您实际想要进行的操作。使用bs4 4.7.1。

Stock

从网站使用BeautifulSoup仅获取一些标签<p>

4 个答案:

输出：

输出：