python - 在 BeautifulSoup 中提取多个 Span 标签内的内容

Question

我正在尝试从多个跨度标签中提取字符串内容。 HTML 页面的快照是:

<div class="secondary-attributes">
    <span class="neighborhood-str-list">
        Southeast
    </span>
    <address>
        1234 Python Blvd S<br>Somewhere, NV 98765
    </address>
    <span class="biz-phone">
        (555) 123-4567
    </span>
</div>

具体来说，我正在尝试提取位于 <span class="biz-phone></span> 标记之间的电话号码。我尝试使用以下代码来执行此操作:

import requests
from bs4 import BeautifulSoup

res = requests.get(url)
soup = BeautifulSoup(res.text, "html.parser")

phone_number_results = [phone_numbers for phone_numbers in soup.find_all('span','biz-phone')]

编译的代码没有任何语法错误，但它并没有完全给出我所希望的结果:

['<span class="biz-phone">\n        (702) 476-5050\n    </span>', '<span class="biz-phone">\n        (702) 253-7296\n    </span>', '<
span class="biz-phone">\n        (702) 385-7912\n    </span>', '<span class="biz-phone">\n        (702) 776-7061\n    </span>', '<spa
n class="biz-phone">\n        (702) 221-7296\n    </span>', '<span class="biz-phone">\n        (702) 252-7296\n    </span>', '<span c
lass="biz-phone">\n        (702) 659-9101\n    </span>', '<span class="biz-phone">\n        (702) 355-9445\n    </span>', '<span clas
s="biz-phone">\n        (702) 396-3333\n    </span>', '<span class="biz-phone">\n        (702) 643-9851\n    </span>', '<span class="

biz-phone">\n        (702) 222-1441\n    </span>']

我的问题分为两部分:

1. 为什么运行程序时会出现 span 标签？
2. 我该如何摆脱它们？我可以只进行字符串编辑，但我觉得我不会充分利用 BeautifulSoup 包。有没有更优雅的方式？

注意:整个页面中还有更多 HTML 代码片段，如上面所示；有更多的 <span class="biz-phone"> (555) 123-4567 </span> 代码实例(即更多的电话号码)需要提取，因此我考虑使用 find_all() 。

提前谢谢您。

Answer 1

1. find_all()返回标签列表 (bs4.element.Tag)，而不是字符串。

2. 正如 @furas 指出的，您希望访问每个标记上的 text 属性以提取标记内的文本:

   phone_number_results = [phone_numbers.text.strip()
for soup.find_all('span', 'biz-phone')] 中的电话号码

(您可能还想在此之上调用strip())