python - 如何在 Python 中提取

Question

我无法在 <h1> 之间提取文本和 </h1> .

请帮帮我。

我的代码是:

import bs4
import re
import urllib2

url2='http://www.flipkart.com/mobiles/pr?sid=tyy,4io&otracker=ch_vn_mobile_filter_Top%20Brands_All#jumpTo=0|20'
htmlf = urllib2.urlopen(url2)
soup = bs4.BeautifulSoup(htmlf)
#res=soup.findAll('div',attrs={'class':'product-unit'})
for res in soup.findAll('a',attrs={'class':'fk-display-block'}):
    suburl='http://www.flipkart.com/'+res.get('href')
    subhtml = urllib2.urlopen(suburl)
    subhtml = subhtml.read()
    subhtml = re.sub(r'\s\s+','',subhtml)
    subsoup=bs4.BeautifulSoup(subhtml)
    res2=subsoup.find('h1',attrs={'itemprop':'name'})
    if res2:
        print res2

输出:

<h1 itemprop="name">Moto G</h1>
<h1 itemprop="name">Moto E</h1>
<h1 itemprop="name">Moto E</h1>

但我想要这个:

Moto G
Moto E
Moto E

Answer 1

在任何 HTML 标签上，执行 get_text() 都会给出与标签关联的文本。所以，你只需要使用 get_text()在 res2 上。即，

if res2:
    print res2.get_text()

PS:作为旁注，我认为代码中的这一行 subhtml = re.sub(r'\s\s+','',subhtml)是一个昂贵的操作。如果你所做的只是摆脱多余的空间，你可以这样做:

if res2:
    print res2.get_text().strip()