BeautifulSoup - 如何在标签之间提取字符串的子字符串？答案

【问题标题】：BeautifulSoup - How do I extract a substring of a string between tags?BeautifulSoup - 如何在标签之间提取字符串的子字符串？
【发布时间】：2015-06-27 09:54:18
【问题描述】：

我想在 HTML 中搜索“网站：”，然后返回“http://www.aa.com”

<br>Website:  <a href="http://www.aa.com">http://www.aa.com</a><br>

由于两个字符串之间有一个子句，所以我不知道该怎么做。

【问题讨论】：

标签： python html beautifulsoup

【解决方案1】：

将您的内容视为树而不是字符串。
Beautifulsoup 让您可以访问解析树，发出findall('a')，然后使用parent() 和contents() 导航解析树，您也可以导航到siblings。

【讨论】：

【解决方案2】：

您可以搜索文本； NavigableString 对象中的结果，它保留了有关它所在树中位置的信息，这意味着您可以向它询问该元素的下一个兄弟：

>>> from bs4 import BeautifulSoup
>>> import re
>>> sample = '''\
... <br>Website:  <a href="http://www.aa.com">http://www.aa.com</a><br>
... '''
>>> soup = BeautifulSoup(sample)
>>> soup.find(text=re.compile('Website:'))
u'Website:  '
>>> soup.find(text=re.compile('Website:')).next_sibling
<a href="http://www.aa.com">http://www.aa.com</a>

一旦你有 <a> 元素获得 href 属性或包含的文本是微不足道的：

>>> soup.find(text=re.compile('Website:')).next_sibling['href']
'http://www.aa.com'
>>> soup.find(text=re.compile('Website:')).next_sibling.string
u'http://www.aa.com'

【讨论】：