如何提取只有 <p> 的 HTML 标记中的内容

Question

我刚开始进行网页抓取，我正在使用 beautifulsoup 来执行网页抓取，但我只想提取带有“p”标签的内容。因此，如果有其他类/样式/等，我想忽略标签...

例子：

<p>what I want to extract</p>

<p class="copy">what I do not want to extract from HTML page</p>

到目前为止，我只能用这段代码提取所有的“p”标签

from bs4 import BeautifulSoup as BS
import requests

URL = input("Enter url to scrape: ")
content = requests.get(URL)
soup = BS(content.text, 'html.parser')
content_p = soup.find_all('p')
print(content_p)

Answer 1

你可以试试

soup.findAll(lambda tag: len(tag.name) == 1 and not tag.attrs)

参考 - https://www.crummy.com/software/BeautifulSoup/bs3/documentation.html#The%20basic%20find%20method:%20findAll(name,%20attrs,%20recursive,%20text,%20limit,%20**kwargs)