在beautifulsoup中仅提取单个标签答案

【问题标题】：Extracting only single tags in beautifulsoup在beautifulsoup中仅提取单个标签
【发布时间】：2022-11-10 21:56:59
【问题描述】：

我正在寻找一种方法来仅提取其中没有其他标签的标签

例如：

from bs4 import BeautifulSoup
html = """
<p><a href='XYZ'>Text1</a></p>
<p>Text2</p>
<p><a href='QWERTY'>Text3</a></p>
<p>Text4</p>
"""
soup = BeautifulSoup(html, 'html.parser')
soup.find_all('p')

给

[<p><a href="XYZ">Text1</a></p>,
 <p>Text2</p>,
 <p><a href="QWERTY">Text3</a></p>,
 <p>Text4</p>]

这就是我想要实现的目标：

[<p>Text2</p>,
 <p>Text4</p>]

【问题讨论】：

标签： python web-scraping beautifulsoup

【解决方案1】：

您可以过滤 Tags 而不包含其他标签，如下所示：

for tag in soup.find_all('p'):
    if isinstance(tag.next, str):
        print(tag)

哪个返回

<p>Text2</p>
<p>Text4</p>

【讨论】：

如果适用于提供的示例，但不适用于所要求的。使用.next 不会采取

【解决方案2】：

我会在标签的长度上使用if/else 简单地过滤它，如果它只是p 那么它将是空的，否则它将被过滤掉：

for x in soup.find_all('p'):
    if len([x.tag for x in x.find_all()]) == 0:
        print(x)

仅退货：

<p>Text2</p>
<p>Text4</p>

【讨论】：

【解决方案3】：

import bs4
from bs4 import BeautifulSoup

html = """
<p><a href='XYZ'>Text1</a></p>
<p>Text2</p>
<p><a href='QWERTY'>Text3</a></p>
<p>Text4</p>
<p>Text6: <a href='QWERTY'>Text5</a></p>
"""

soup = BeautifulSoup(html, 'html.parser')

def only_tags_without_any_other_tags_as_children(tag):
    return tag.name == "p" and not any(isinstance(x, bs4.element.Tag) for x in tag.children)

result = soup.find_all(only_tags_without_any_other_tags_as_children)

print(result)

BeautifulSoup-Documentation for using function-filters on .find_all().

要检查列表中的类型，请访问。
https://stackoverflow.com/a/32705845/5288820。

【讨论】：