python - 使用 Python 和 BeautifulSoup 解析 HTML - 获取 标签内外的文本

Question

我有带有许多标签的 html，然后是这些标签之外的文本。我试图获取的文本位于
标记中，但第一个实例除外，我猜这只是标记的一部分。但是，如果我尝试获取标签的文本(如 td.text 或类似的东西)，那么它还会为我提供所有和
标签中的所有文本。

    <td align="left">
     <a class="playerLink" href="http://bbroto.baseball.cbssports.com/players/playerpage/1740935">
      Garcia, Leury
     </a>
     SS CHW - Traded from Royal Disappointments
     <br>
      <a class="playerLink" href="http://bbroto.baseball.cbssports.com/players/playerpage/1813191">
       Almonte, Abraham
      </a>
      OF SEA - Traded from Royal Disappointments
      <br>
       <a class="playerLink" href="http://bbroto.baseball.cbssports.com/players/playerpage/2046044">
        Pillar, Kevin
       </a>
       OF TOR - Traded from Royal Disappointments
       <br>
        <a class="playerLink" href="http://bbroto.baseball.cbssports.com/players/playerpage/1666824">
         Sierra, Moises
        </a>
        LF TOR - Traded from Royal Disappointments
        <br>
         <a class="playerLink" href="http://bbroto.baseball.cbssports.com/players/playerpage/580599">
          Paulino, Felipe
         </a>
         SP KC
         <span title="Felipe Paulino off 60-day DL">
          <a class="playerLink" href="http://bbroto.baseball.cbssports.com/players/playerpage/580599" subtab="Update">
           <img border="0" height="10" src="http://sports.cbsimg.net/images/news-note-recent.gif" width="10"/>
          </a>
         </span>
         - Traded from Royal Disappointments
        </br>
       </br>
      </br>
     </br>
    </td>

基本上我想要(作为单独的值)a 标签中的每个文本，然后是 a 标签之外的每个文本。所以最终结果将是:

加西亚，勒里

SS CHW - 从皇家失望交易

阿尔蒙特，亚伯拉罕

OF SEA - 从皇家失望中交易

支柱，凯文

OF TOR - 从皇家失望交易

塞拉利昂，莫伊塞斯

LF TOR - 从皇家失望交易

保利诺，费利佩

SP KC - 从皇家失望交易

到目前为止，我只有 a 标签中文本的代码:

        pl = psoup.findAll('a',{'class': 'playerLink'})
        for a in pl:          
            print a.text

我真的不知道如何处理其余部分。

Answer 1

您可以使用 Tag.next 属性(别名为 Tag.next_element):

for a in psoup('a': {'class': 'playerLink'}):
    print a.text
    print a.next.next

实际上，每个“外部”文本都是链接后的第二个元素(第一个元素是链接 anchor )。