BeautifulSoup 解析非结构化 html答案

【问题标题】：BeautifulSoup parse unstructured htmlBeautifulSoup 解析非结构化 html
【发布时间】：2015-09-14 07:14:41
【问题描述】：

尝试用 BeautifulSoup 解析这个 html：

<div class="container">
  <strong>Monday</strong> Some info here...<br /> and then some <br />
  <strong>Tuesday</strong> Some info here...<br />
  <strong>Wednesday</strong> Some info here...<br />
  ...
</div>

我希望只能获取周二的数据：Tuesday Some info here...  但由于没有包装器 div，我很难仅获取此数据。有什么建议？

【问题讨论】：

标签： python beautifulsoup html-parsing

【解决方案1】：

这样怎么样：

from bs4 import BeautifulSoup

html = """<div class="container">
  <strong>Monday</strong> Some info here...<br /> and then some <br />
  <strong>Tuesday</strong> Some info here...<br />
  <strong>Wednesday</strong> Some info here...<br />
  ...
</div>"""
soup = BeautifulSoup(html)
result = soup.find('strong', text='Tuesday').findNextSibling(text=True)
print(result.decode('utf-8'))

输出：

 Some info here...

根据评论更新：

基本上，您可以继续获取Tuesday 的下一个同级文本，直到该文本的下一个同级元素是另一个 元素或none。

from bs4 import BeautifulSoup

html = """<div class="container">
  <strong>Monday</strong> Some info here...<br /> and then some <br />
  <strong>Tuesday</strong> Some info here...<br /> and then some <br />
  <strong>Wednesday</strong> Some info here...<br />
  ...
</div>"""
soup = BeautifulSoup(html)
result = soup.find('strong', text='Tuesday').findNextSibling(text=True)
nextSibling = result.findNextSibling()
while nextSibling and nextSibling.name != 'strong':
    print(result.decode('utf-8'))
    result = nextSibling.findNextSibling(text=True)
    nextSibling = result.findNextSibling()

输出：

 Some info here...
 and then some

【讨论】：

是的，但它只包含 html 到第一个
标签，我需要从到下一个 的所有内容。
user1121487 您最初的问题是您在第一个答案“仅获取周二的数据：周二这里有一些信息......
”。如果您想要“从到下一个 的所有内容”，那么您最初应该清楚这一点。 @har07 的原始答案满足了您最初的要求。
我认为从示例中的结构中可以清楚地看出，我需要从强到强的所有内容，这就是星期二的所有内容，因为您无法确定会有多少 br 等。 @serk