Python BeautifulSoup 从 HTML 中获取文本

Question

我有一些这样的 HTML 代码:

<p>aaa</p>bbb
<p>ccc</p>ddd

如何获取 'bbb' 和 'ddd'？

Answer 1

您可以阅读每个 p 标记的后续同级标记(请注意，这是非常特定于本文的，因此希望它可以扩展到您的情况):

In [1]: from bs4 import BeautifulSoup

In [2]: html = """\
   ...: <p>aaa</p>bbb
   ...: <p>ccc</p>ddd"""

In [3]: soup = BeautifulSoup(html)

In [4]: [p.next_sibling for p in soup.findAll('p')]
Out[4]: [u'bbb\n', u'ddd']

这会拾取尾随的换行符，因此您可以在需要时将其删除:

In [5]: [p.next_sibling.strip() for p in soup.findAll('p')]
Out[5]: [u'bbb', u'ddd']

一般的想法是，您在目标文本之前找到标签，然后找到下一个同级元素，这应该是您的文本。