python - 获取没有内部子标签文本的 HTML 标签文本

Question

例子:

有时 HTML 是:

<div id="1">
    <div id="2">
        this is the text i do NOT want
    </div>
    this is the text i want here
</div>

其他时候只是:

<div id="1">
    this is the text i want here
</div>

我只想获取一个标签中的文本，而忽略所有其他子标签。如果我运行 .text 属性，我会得到两者。

Answer 1

另一种可能的方法(我会在函数中实现):

def getText(parent):
    return ''.join(parent.find_all(text=True, recursive=False)).strip()

recursive=False 表示您只想要直接子代，而不是嵌套子代。 text=True 表示您只需要文本节点。

使用示例:

from bs4 import BeautifulSoup

html = """<div id="1">
    <div id="2">
        this is the text i do NOT want
    </div>
    this is the text i want here
</div>
"""
soup = BeautifulSoup(html)
print(getText(soup.div))
#this is the text i want here