python - 使用漂亮的汤，在具有类的 html 元素中仅抓取文本

Question

我正在尝试使用 BeatifulSoup 抓取页面

import urllib2
from bs4 import BeautifulSoup

url='http://www.xpn.org/playlists/xpn-playlist'
page = urllib2.urlopen(url)

soup = BeautifulSoup(page.read())

for link in soup.find_all("li", class_="song"):
    print link

问题是我想返回的文本没有包含在它自己的 html 标签中

<li class="song"> <a href="/default.htm" onclick="return clickreturnvalue()
" onmouseout="delayhidemenu()" onmouseover="dropdownmenu(this, event, menu1, 
'100px','Death Vessel','Mandan Dink','Stay Close')">Buy</a>  
Chuck Ragan - Rotterdam - Folkadelphia Session</li>

我要返回的内容Chuck Ragan - 鹿特丹 - Folkadelphia session

Bonus Points:返回的数据格式为 Artist/Song/Album。用于存储和操作此信息的正确数据结构是什么？

Answer 1

尝试这样的事情:

for link in soup.find_all("li", class_="song"):
    print link.text

输出:

Buy  Chuck Ragan - Rotterdam - Folkadelphia Session

当然，如果你想删除Buy，你可以像这样使用slice:

for link in soup.find_all("li", class_="song"):
    print link.text.strip()[5:]

输出是:

Chuck Ragan - Rotterdam - Folkadelphia Session

---

如果您想将这些字符串保存在列表中:

[i.strip() for i in link.text.strip()[5:].split('-')]

输出:

['Chuck Ragan', 'Rotterdam', 'Folkadelphia Session']

---

更多信息，您可以查看document .