python - beautifulsoup .get_text() 对我的 HTML 解析不够具体

Question

鉴于下面的 HTML 代码，我只想输出 h1 的文本，而不是“关于”的详细信息，这是跨度的文本(由 h1 封装)。

我当前的输出是:

Details about   New Men's Genuine Leather Bifold ID Credit Card Money Holder Wallet Black

我愿意:

New Men's Genuine Leather Bifold ID Credit Card Money Holder Wallet Black

这是我正在使用的 HTML

<h1 class="it-ttl" itemprop="name" id="itemTitle"><span class="g-hdn">Details about  &nbsp;</span>New Men&#039;s Genuine Leather Bifold ID Credit Card Money Holder Wallet Black</h1>

这是我当前的代码:

for line in soup.find_all('h1',attrs={'itemprop':'name'}):
    print line.get_text()

注意:我不想只截断字符串，因为我希望此代码具有一定的可重用性。最好是一些代码可以裁剪出范围内的任何文本。

Answer 1

您可以使用 extract()删除所有 span 标签:

for line in soup.find_all('h1',attrs={'itemprop':'name'}):
    [s.extract() for s in line('span')]
print line.get_text()
# => New Men's Genuine Leather Bifold ID Credit Card Money Holder Wallet Black