网页抓取不在 HTML 引号内的文本答案

【问题标题】：Web scrape the text which is not in the quotation marks of HTML网页抓取不在 HTML 引号内的文本
【发布时间】：2021-05-04 18:25:13
【问题描述】：

我想使用 Python 提取不在引号中的信息。例如，

nummber = page_soup.findAll("span", {"id": "referenznummer"})
nummber

# result
[<span id="referenznummer">Referenznummer:<span class="ng-binding"> 12150-S</span></span>]

location = page_soup.findAll("li", {"id": "arbeitsort"})
location

# result
[<li class="ba-icon-location" id="arbeitsort">Koblenz am Rhein</li>]

12150-S 和 Koblenz am Rhein 实际上是我想抓取的信息。但是它们不在引号中，所以我不知道如何找到它们。不幸的是，我在网站上没有找到任何解决方案。有人可以帮忙吗？非常感谢。

【问题讨论】：

介意将网址分享给您正在抓取的网站吗？

标签： html selenium web-scraping beautifulsoup

【解决方案1】：

这是给你的解决方案，Derek。

nummber = page_soup.findAll("span", {"id": "referenznummer"})
for data in nummber: 
    print(str(data.get_text()))

location = page_soup.findAll("li", {"id": "arbeitsort"})
for data in location:
    print(str(data.get_text()))

如果你想制作目录列表，那么你可以这样做：

details = []
nummber = page_soup.findAll("span", {"id": "referenznummer"})
location = page_soup.findAll("li", {"id": "arbeitsort"})
for dataid,dataloc in zip(nummber,location):
   d[dataid.get_text()] = dataloc.get_text()
   details.append(d)

【讨论】：