在 Python 中使用 BS4 解析 HTML答案

【问题标题】：Parsing HTML using BS4 in Python在 Python 中使用 BS4 解析 HTML
【发布时间】：2014-07-23 02:44:25
【问题描述】：

我正在尝试使用以下 HTML 解析网站。

我正在使用 Python 和 BeautifulSoup。

如何从中提取文本 Texas Rangers？

因为不在课堂上，我遇到了麻烦？谢谢，

马特

<div class="team">
            <span class="team-logo mlb tex"></span>Texas Rangers
                            <br />
                <a class="fancy" href="/split_stats/index/Baseball/Pitcher/107">BvP</a>
                &middot;


                                <a class="fancy" href="/split_stats/index/Baseball/Righty/107">vs. R/a>
                &middot;

                <a class="fancy" href="/split_stats/index/Baseball/Away/107">Away</a>
                &middot;

                                <a class="fancy" href="/split_stats/index/Baseball/Night/107">Night</a>

                    </div>

【问题讨论】：

标签： python python-3.x web-scraping beautifulsoup

【解决方案1】：

可能不是最好的解决方案，但这是可行的。

>>> soup = BeautifulSoup(htmlCode)
>>> soup.div.contents[2].strip()
u'Texas Rangers'

【讨论】：

【解决方案2】：

我将使用我在 ipython 中运行的以下代码：

In [28]: htmldoc = """<div class="team">
   ....: <span class="team-logo mlb tex"></span>Texas Rangers
   ....: <br />
   ....: <a class="fancy" href="/split_stats/index/Baseball/Pitcher/107">BvP</a>
   ....: &middot;
   ....: <a class="fancy" href="/split_stats/index/Baseball/Righty/107">vs. R/a&gt;
   ....: &middot;
   ....: </a><a class="fancy" href="/split_stats/index/Baseball/Away/107">Away</a>
   ....: &middot;
<   ....: <a class="fancy" href="/split_stats/index/Baseball/Night/107">Night</a>
   ....: </div>
   ....: """

In [30]: soup = BeautifulSoup(htmldoc)

In [31]: import re

In [32]: soup(text=re.compile('Texas Rangers'))
Out[32]: [u'Texas Rangers\n']

【讨论】：

美汤的全部意义在于解析 HTML 页面。如果文本不同（不是“Texas Rangers”），那么您的代码将无法正常工作。