提取 BeautifulSoup 中除一个标签外的文本答案

【问题标题】：Extract text in BeautifulSoup except for one tag提取 BeautifulSoup 中除一个标签外的文本
【发布时间】：2013-10-31 13:18:11
【问题描述】：

我正在尝试使用 BeautifulSoup 提取文本。

这里是html：

<div>
    "BLABLA"
    <span> "RRRRR" </span>
    <span> "ZZZZZ" </span>
</div>

我只想得到'BLABLA' 和'RRRR' 并搭上'ZZZZ'

当然soup.text给了我3条短信。

一种解决方案是迭代直到我找到第二个跨度（如在这个问题中：How to get all text between just two specified tags using BeautifulSoup?）

但是在这种情况下有更好的解决方案吗？

【问题讨论】：

为什么你找到的方法不起作用？正则表达式是一种选择
它会起作用的。我只是想知道在这种情况下是否有更好的解决方案（这与我找到的解决方案不同）。
如果你有这个 html，那么你可以这样做：soup.div.contents[0] 和 soup.div.span.text。如果没有，那就没有更好的方法了。

标签： python beautifulsoup screen-scraping

【解决方案1】：

您可以使用以下代码（您可以根据需要进行修改）：

from bs4 import BeautifulSoup, NavigableString

html = '''
<div>
    "BLABLA"
    <span> "RRRRR" </span>
    <span> "ZZZZZ" </span>
</div>'''
soup = BeautifulSoup(html, 'lxml')

wanted_text = [x.strip() if isinstance(x, NavigableString) else x.text.strip() for x in soup.find('div').contents[:2]]
print(wanted_text)
# ['"BLABLA"', '"RRRRR"']

如果 HTML 发生了一些变化，您只需更改切片索引（即将contents[:2] 更改为您需要的任何内容）。

【讨论】：