提取没有子文本的父文本；解析 HTML

Question

我使用Selenium 和BeautifulSoup 提取了一小部分汤标签元素。

<footer>
    <p class="tags environment-tags">Environment:
      <span class="tag environment-tag">Desert</span>
    </p>
    <p class="source monster-source">Basic Rules
      <span class="page-number">, pg. 334</span>
    </p>
</footer>

我试图从 p 元素中获取文本，但每次我尝试它都会获取跨度。到目前为止，这是我尝试过的：

for p in Environment.findAll('p'):
    print(p.text)

我也尝试使用.extract() 提取信息，但这似乎对我不起作用。

Answer 1

您可以使用.contents 并访问第 0 个元素：

for tag in soup.find_all("p"):
    print(tag.contents[0].strip())

输出：

Environment:
Basic Rules

---

或者通过您的尝试，您可以通过以下方式使用.extract() 删除<span>：

for tag in soup.select("p span"):
    tag.extract()

print(soup.prettify())

输出：

<footer>
 <p class="tags environment-tags">
  Environment:
 </p>
 <p class="source monster-source">
  Basic Rules
 </p>
</footer>