从一些 HTML 标签中提取文本答案

【问题标题】：Extracting the text from some HTML tags从一些 HTML 标签中提取文本
【发布时间】：2020-02-21 17:02:18
【问题描述】：

我正在使用 BeautifulSoup 在职业页面上抓取职位列表。我无法打印出我需要的信息。

这是 HTML 的样子

<ul class="list-group">
<li class="list-group-item">
<h4 class="list-group-item-heading">
<a href="http://careers.steelseries.com/apply/3LXwyjYOrb/Customer-Experience-Specialist">
                                        Customer Experience Specialist                                    </a>
</h4>
<ul class="list-inline list-group-item-text">
<li><i class="fa fa-map-marker"></i>Chicago, IL</li>
<li><i class="fa fa-sitemap"></i>Operations</li>
</ul>

我希望它打印出来的是

Customer Experience Specialist
Chicago, IL
Operations
--------------

我试过的代码是这样的：

section = soup.find_all('div', class_='col col-xs-7 jobs-list')
for elem in section:
    wrappers = elem.find('ul').get_text()
    print(wrappers)

但是这样做是用太多的新行和空格为我打印它：

                                        Customer Experience Specialist                                    


Chicago, IL
Operations

请记住，职位上方还有 4 个空行，“操作”之后还有一个新行

【问题讨论】：

标签： python html web-scraping beautifulsoup

【解决方案1】：

试试这个：

sections = soup.find_all('div', class_='col col-xs-7 jobs-list')
sections = [section for section in sections.split("\n") if section and section != " "]
print("\n".join(sections))

问候！

【讨论】：

不幸的是，这似乎不起作用。我得到了同样的东西
你能print(sections) 不加入吗，下一次尝试将是那个;)
我现在知道了 ['\n\n\n\n Customer Experience Specialist \n\n\nChicago, IL\nOperations\n\n\n\n\n\n]，但在 Customer、Chicago 和 Operations 的最后一个 \n 和第一个字母之间有很多空格
已修改！再试一次^^
我想通了！非常感谢您的帮助！发生的事情是我需要一个额外的 for 循环来划分每个列表，然后从那里我能够使用 strip() 函数。所以现在看起来像这样section = soup.find_all('div', class_='col col-xs-7 jobs-list') for elem in section: wrappers = elem.find('ul') for x in wrappers: text = wrappers.find('li').get_text() print(text.strip()) print("---")

【解决方案2】：

在 get_text() 函数之后添加 rstrip() 以删除所有尾随换行符。这将删除所有尾随空格，而不仅仅是单个换行符。

否则，如果字符串 S 中只有一行，则使用 S.splitlines()[0]。

【讨论】：

第一种使用 rstrip() 的方法没有改变任何东西，而第二种方法导致它没有打印出任何东西