Question

我有以下bs4元素标签：

<span><span>some content</span> B</span>

字符串B的len未知（为简化起见，我将其命名为B）

如何使用beautifulSoup提取“ b”？或者我只是作为一种解决方案来提取文本，然后使用一些正则表达式技术

谢谢

编辑：完整代码

def get_doc_yakarouler(license_plate,url = 'https://www.yakarouler.com/car_search/immat?immat='):
    response = requests.get(url+license_plate)
    content = response.content 
    doc = BeautifulSoup(content,'html.parser')
    result = doc.span.text
    if 'identifié' in result :
        return doc
    else : 
        return f"La plaque {license_plate} n'est pas recensé sur yakarouler"

doc = get_doc_yakarouler('AA300AA')
span = doc.find_all('span')
motorisation_tag = span[1]

我要提取“ 1.6 TDI”

我找到了使用以下方法的解决方案：motorisation_tag.text.replace（u'\ xa0'，''）.split（''）[1]，但我想直接使用bs4是否可能

Answer 1

假设您有一个变量span表示外部<span>标签，则可以执行以下操作来提取“ B”：span.contents[1]。之所以有效，是因为.contents将返回标签内容的列表，在本例中为[<span>some content</span>, ' B']。然后，您可以访问“ B”文本作为数组的第二个元素。请注意，如果B之前有一个空格（如您的HTML示例所示），则该空格将包含在字符串中

Answer 2

from bs4 import BeautifulSoup as bs , NavigableString
html = '<span><span>some content</span> B</span>'
soup = bs(html, 'html.parser')
span = soup.find("span")
# First approach Using Regular Expressions
outer_text_1 = span.find(text=True, recursive=False)
# Second approach is looping through the contents of the tag and check if it's the outer text and not a tag
outer_text_2 = ' '.join([t for t in span.contents if type(t)== NavigableString])

print(outer_text_1) # output B
print(outer_text_2) # output B

使用BeautifulSoup在<span> <span>流文本</span> B </span>中抓取B

2 个答案: