帮助本次内容提取+美汤

Question

我正在尝试从这种格式的网站中提取数据

<div id=storytextp class=storytextp align=center style='padding:10px;'> 
<div id=storytext class=storytext> 
<div class='a2a_kit a2a_default_style' style='float:right;margin-left:10px;border:none;'> 
..... extra stuff
</div>  **Main Content**
</div>
</div>

注意 MainContent 可以包含其他标签，但我想要整个内容，如字符串

所以我做的是这个

_divTag = data.find( "div" , id = "storytext" )
innerdiv = _divTag.find( "div" ) # find the first div tag
innerdiv.contents[0].replaceWith("") # replace with null

因此 _divTag 将只有主要内容，但这不起作用。谁能告诉我我犯了什么错误以及我应该如何提取主要内容

Answer 1

只需_divTag.contents[2]。

您的格式可能误导了您 - 此文本不属于最里面的 div 标签（innerdiv.text、innerdiv.contents 或 innerdiv.findChildren() 会显示给您）。

如果你缩进你的原始 XML，事情会更清楚：

<div id=storytextp class=storytextp align=center style='padding:10px;'> 
  <div id=storytext class=storytext> 
    <div class='a2a_kit a2a_default_style' style='float:right;margin-left:10px;border:none;'> 
      ..... extra stuff
    </div>  **Main Content**
  </div>
</div>

（PS：我不清楚你的innerdiv.contents[0].replaceWith("") 的意图是什么？压制属性？换行符？无论如何，BS 的哲学不是编辑解析树，而只是忽略 99.9%你不在乎。BS文档是here)。