python - 使用 BeautifulSoup/Python 从 html 文件中提取文本

Question

我正在尝试从 html 文件中提取文本。html 文件如下所示:

<li class="toclevel-1 tocsection-1">
    <a href="#Baden-Württemberg"><span class="tocnumber">1</span>
        <span class="toctext">Baden-Württemberg</span>
    </a>
</li>
<li class="toclevel-1 tocsection-2">
    <a href="#Bayern">
        <span class="tocnumber">2</span>
        <span class="toctext">Bayern</span>
    </a>
</li>
<li class="toclevel-1 tocsection-3">
    <a href="#Berlin">
        <span class="tocnumber">3</span>
        <span class="toctext">Berlin</span>
    </a>
</li>

我想从最后一个 span 标记中提取最后一个文本。在第一行中，在 class="toctext" 之后是“Baden-Würtemberg”，然后将其放入 python 列表中。

在Python中我尝试了以下方法:

names = soup.find_all("span",{"class":"toctext"})

我的输出是这个列表:

[<span class="toctext">Baden-Württemberg</span>, <span class="toctext">Bayern</span>, <span class="toctext">Berlin</span>]

那么如何才能只提取标签之间的文本呢？

感谢大家

Answer 1

find_all 方法返回一个列表。迭代列表以获取文本。

for name in names:
    print(name.text)

返回:

Baden-Württemberg
Bayern
Berlin

内置的 python dir() 和 type() 方法总是可以方便地检查对象。

print(dir(names))

[...,
 '__sizeof__',
 '__str__',
 '__subclasshook__',
 '__weakref__',
 'append',
 'clear',
 'copy',
 'count',
 'extend',
 'index',
 'insert',
 'pop',
 'remove',
 'reverse',
 'sort',
 'source']