python - BeautifulSoup - 如何在不打开标签和 标签之前提取文本？

Question

我是 python 和 beautifulsoup 的新手，花了好几个小时试图解决这个问题。
我想在 <div> 中提取三个特定的文本摘录没有类。
我想要的第一个文本摘录在 <a> 中<h4> 内的标签标签。我设法提取了它。
第二个文本摘录紧跟在结束的 h4 标签 </h4> 之后。然后是 <br>标签。
第三个文本摘录紧跟在 <br> 之后。在第二个文本提取之后标记，并且后面还跟有一个 <br>标签。

这里是我使用的 html 摘录:

<div>
    <h4 class="actorboxLink">
    <a href="/a-decheterie-de-bagnols-2689">Decheterie de Bagnols</a>
    </h4>
    Route des 4 Vents<br>
    63810 Bagnols<br>
</div>

我要提取:

Decheterie de Bagnols < 行得通

Route des 4 Vents < 不起作用

63810 Bagnols < 不起作用

这是我目前的代码:

import urllib
from bs4 import BeautifulSoup    
data = urllib.urlopen(url).read()
soup = BeautifulSoup(data, "html.parser")
name = soup.findAll("h4", class_="actorboxLink")

for a_tag in name:
    print a_tag.text.strip()

我需要类似“soup.findAll(</h4> 之后的所有文本)”

我试过使用 .next_sibling，但无法正常工作。

有什么想法吗？谢谢

更新:
我试过这个:

for a_tag in classActorboxLink:
    print a_tag.find_all_next(string=True, limit=5) 

这给了我:
[u'\n', u'\r\n\t\t\t\t\t\tDecheterie\xa0de\xa0Bagnols\t\t\t\t\t', u'\n', u'\r\n\t\t\t\tRoute\xa0des\xa04\xa0Vents', u'\r\n\t\t\t\t63810 Bagnols']

这是一个开始，但我需要重新爱上所有的空格和不必要的字符。我尝试使用 .strip() , .strings和 .stripped_strings但它不起作用。示例:

for a_tag in classActorboxLink.strings

for a_tag in classActorboxLink.stripped_strings

print a_tag.find_all_next(string=True, limit=5).strip() 

对于这三个我得到:

AttributeError: 'ResultSet' object has no attribute 'strings/stripped_strings/strip'

Answer 1

找到 h4 元素并使用 find_next_siblings() :

h4s = soup.find_all("h4", class_="actorboxLink")
for h4 in h4s:
    for text in h4.find_next_siblings(text=True):
        print(text.strip())