抓取元素内的文本，不包括 sup 标记内的文本

【问题标题】：scraping text inside a element excluding text inside sup tag抓取元素内的文本，不包括 sup 标记内的文本
【发布时间】：2021-02-26 02:52:55
【问题描述】：

我需要抓取元素内的文本，但排除 <sup> 内的文本。

例如：

<a> 
    part1 
    <sup> part2 </sup>
    part3
</a>

从上面，我需要抓取part1 和part2（不是part3，它在sup 内）。

我用 beautifulsoup 尝试了 css 选择器：

soup.select_one('a:not(sup)').get_text(strip=True)

但没有排除 sup 里面的文字

【问题讨论】：

标签： python css web-scraping beautifulsoup lxml

【解决方案1】：

使用element.name方法查看标签名称，如：

from bs4 import BeautifulSoup
from bs4 import element

html = '''
<a> 
    part1 
    <sup> part2 </sup>
    part3
</a>
'''

soup = BeautifulSoup(html, "lxml")
print([e.strip() for e in soup.find("a") if e.name != 'sup'])

结果：

['part1', 'part3']

【讨论】：