从html文档中提取标签内的文本

Question

我有一个这样的 html 文档：https://dropmefiles.com/wezmb 所以我需要在标签

from bs4 import BeautifulSoup

with open("10_01.htm") as fp:
    soup = BeautifulSoup(fp,features="html.parser")
    for a in soup.find_all('span'):
      print (a.string)

但它会从所有“跨度”标签中提取所有信息。那么，如何在 Python 中提取标签

Answer 1

您需要的是.contents 函数。 documentation

使用查找跨度<span id = "1"> ... </span>

for x in soup.find(id = 1).contents:
    print(x)

或

x = soup.find(id = 1).contents[0] # since there will only be one element with the id 1.
print(x)

这会给你：

10

即一个空行后跟 10 后跟另一个空行。这是因为 HTML 中的字符串实际上是这样的，并且在新行中打印 10，正如您在 HTML 中看到的那样，10 有其单独的行。
该字符串将正确地为'\n10\n'。

如果你只想要x = '10' 和x = '\n10\n'，你可以这样做：x = x[1:-1] 因为'\n' 是单个字符。希望这会有所帮助。