使用 beautifulSoup 从 HTML 中提取文本答案

【问题标题】：Extract text from HTML with beautifulSoup使用 beautifulSoup 从 HTML 中提取文本
【发布时间】：2018-09-12 10:58:55
【问题描述】：

我正在尝试用漂亮的汤 4 解析一个 html，但无法获取数据

<div class="inside">
<a href="http://www.linkar.com">
  <b>A Show</b><br/>
  <img alt="A Show" height="83" src="http://www.linkar.com/679.jpg"/>
</a>
<br/>Film : Gladiator
<br/>Location : example street, London, UK
<br/>Phone : +83817447184<br/>
</div>

我可以通过使用得到字符串“A Show”

soup = BeautifulSoup(html, "html.parser")
a_show = soup.find('b').get_text()

如何分别获取字符串 Film、Location 和 Phone 的值？

【问题讨论】：

标签： python beautifulsoup html-parsing

【解决方案1】：

您可以将BS 与re 一起使用。

例如：

from bs4 import BeautifulSoup
import re


html = """<div class="inside">
<a href="http://www.linkar.com">
  <b>A Show</b><br/>
  <img alt="A Show" height="83" src="http://www.linkar.com/679.jpg"/>
</a>
<br/>Film : Gladiator
<br/>Location : example street, London, UK
<br/>Phone : +83817447184<br/>
</div>"""

soup = BeautifulSoup(html, "html.parser")
a_show = soup.find('div', class_="inside").text
film = re.search("Film :(.*)", a_show)
if film:
    print(film.group())

location = re.search("Location :(.*)", a_show)
if location:
    print(location.group())

phone = re.search("Phone :(.*)", a_show)
if phone:
    print(phone.group())

输出：

Film : Gladiator
Location : example street, London, UK
Phone : +83817447184

或

content = re.findall("(Film|Location|Phone) :(.*)", a_show)
if content:
    print(content)
# --> [(u'Film', u' Gladiator'), (u'Location', u' example street, London, UK'), (u'Phone', u' +83817447184')]

【讨论】：