使用 BeautifulSoup 提取标签内的内容

Question

我想提取内容Hello world。请注意，页面上还有多个 和类似的

：

<table border="0" cellspacing="2" width="800">
  <tr>
    <td colspan="2"><b>Name: </b>Hello world</td>
  </tr>
  <tr>
...

我尝试了以下操作：

hello = soup.find(text='Name: ')
hello.findPreviousSiblings

但它返回了没有什么。

此外，我在提取我的家庭地址时也遇到问题：

<td><b>Address:</b></td>

<td>My home address</td>

我也在使用相同的方法搜索text="Address: "但如何向下导航到下一行并提取 的内容？

Answer 1

contents 运算符非常适合从 text 中提取 text 。

---

我的家庭地址示例：

s = '<td>My home address</td>'
soup =  BeautifulSoup(s)
td = soup.find('td') #<td>My home address</td>
td.contents #My home address

---

地址：示例：

s = '<td><b>Address:</b></td>'
soup =  BeautifulSoup(s)
td = soup.find('td').find('b') #<b>Address:</b>
td.contents #Address:

Answer 2

使用 .next 代替：

>>> s = '<table border="0" cellspacing="2" width="800"><tr><td colspan="2"><b>Name: </b>Hello world</td></tr><tr>'
>>> soup = BeautifulSoup(s)
>>> hello = soup.find(text='Name: ')
>>> hello.next
u'Hello world'

.next 和 .previous 允许您按照解析器处理文档元素的顺序移动文档元素，而同级方法与解析树一起使用。

Answer 3

使用下面的代码使用 python beautifulSoup 从 html 标签中提取文本和内容

s = '<td>Example information</td>' # your raw html
soup =  BeautifulSoup(s) #parse html with BeautifulSoup
td = soup.find('td') #tag of interest <td>Example information</td>
td.text #Example information # clean text from html

Answer 4

from bs4 import BeautifulSoup, Tag

def get_tag_html(tag: Tag):
    return ''.join([i.decode() if type(i) is Tag else i for i in tag.contents])