python - 从 HTML 中提取字符串

Question

我有以下元素:

<div class="column4">
        Unlimited Subscription<br/> Discount for Monthly <br/> Total Amount
    </div>

如何仅使用 Beautiful Soup 将三个字符串提取为三个不同的元素。不能使用字符串转换和正则表达式:

预期输出:

Unlimited Subscription
Discount for Monthly 
Total Amount

Answer 1

要获取各个字符串，您可以获取 div 元素的 children 并按其类型过滤它们。

>>> bs = bs4.BeautifulSoup(html)
>>> div = bs.find(attrs={"class":"column4"})
>>> [c.strip() for c in div.children if type(c) is bs4.element.NavigableString]
['Unlimited Subscription', 'Discount for Monthly', 'Total Amount']

或者更短，使用div.stripped_strings(或者如果您不想strip，则仅使用div.strings):

>>> list(div.stripped_strings)
['Unlimited Subscription', 'Discount for Monthly', 'Total Amount']