如何只选择没有孩子的某些 p 标签？

Question

我是 beautifulSoup 的新手，当我想在大学课程网站上抓取一些信息时，我遇到了一个幼稚的问题。 html 如下所示，我想获取标签 p 之间的文本，而不是标签 p 之间的文本，标签 p 有一些孩子，例如<strong> and <em>

所需文字：本课程介绍......

非常感谢您的帮助！

<p>
<strong>MSDS 402 Introduction to Data Science</strong>
</p >
<p>This course introduces.....</p >
<p>
<em>Prerequisites: None.</em>
</p >
<p><a aria-label="MSDS 402-DL Section, ID#: 4765" class="link-list" href=" ">View MSDS 402-DL Sections</a ></p >

Answer 1

您可以使用 CSS 选择器 p:not(:has(*)) 来选择标签 <p> 而没有任何子标签。

例如：

from bs4 import BeautifulSoup


txt = '''<p>
<strong>MSDS 402 Introduction to Data Science</strong>
</p >
<p>This course introduces.....</p >
<p>
<em>Prerequisites: None.</em>
</p >
<p><a aria-label="MSDS 402-DL Section, ID#: 4765" class="link-list" href=" ">View MSDS 402-DL Sections</a ></p >'''


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

for p in soup.select('p:not(:has(*))'):
    print(p)

打印：

<p>This course introduces.....</p>