使用 BeautifulSoup 提取标签中的内容

Question

我想提取内容Hello world。请注意，页面上还有多个<table> 和类似的<td colspan="2">：

<table border="0" cellspacing="2" width="800">
  <tr>
    <td colspan="2"><b>Name: </b>Hello world</td>
  </tr>
  <tr>
...

我尝试了以下方法：

hello = soup.find(text='Name: ')
hello.findPreviousSiblings

但它什么也没返回。

另外，我在提取My home address时也遇到了问题：

<td><b>Address:</b></td>

<td>My home address</td>

我也在使用相同的方法搜索text="Address: "，但是如何向下导航到下一行并提取<td> 的内容？

Answer 1

使用以下代码通过 python beautifulSoup 从 html 标签中提取文本和内容

s = '<td>Example information</td>' # your raw html
soup =  BeautifulSoup(s) #parse html with BeautifulSoup
td = soup.find('td') #tag of interest <td>Example information</td>
td.text #Example information # clean text from html

Answer 2

from bs4 import BeautifulSoup, Tag

def get_tag_html(tag: Tag):
    return ''.join([i.decode() if type(i) is Tag else i for i in tag.contents])

Answer 3

contents 运算符适用于从 <tag>text</tag> 中提取 text。

---

<td>My home address</td> 示例：

s = '<td>My home address</td>'
soup =  BeautifulSoup(s)
td = soup.find('td') #<td>My home address</td>
td.contents #My home address

---

<td><b>Address:</b></td> 示例：

s = '<td><b>Address:</b></td>'
soup =  BeautifulSoup(s)
td = soup.find('td').find('b') #<b>Address:</b>
td.contents #Address:

Answer 4

改用下一个

>>> s = '<table border="0" cellspacing="2" width="800"><tr><td colspan="2"><b>Name: </b>Hello world</td></tr><tr>'
>>> soup = BeautifulSoup(s)
>>> hello = soup.find(text='Name: ')
>>> hello.next
u'Hello world'

next 和 previous 让您可以按照解析器处理文档元素的顺序浏览文档元素，而兄弟方法则使用解析树