Python 中的 HTML 特定 <h1> 文本答案

【问题标题】：HTML Specific <h1> Text in PythonPython 中的 HTML 特定 <h1> 文本
【发布时间】：2020-10-01 02:18:56
【问题描述】：

我只想在 python 中获取 page <h1>This is Title</h1> 的标题。

我尝试了一些方法，但没有得到想要的结果。

import requests

from bs4 import BeautifulSoup


response = requests.get("https://www.strawpoll.me/20321563/r")

html_content = response.content

soup = BeautifulSoup(html_content, "html.parser")

for i in soup.get_text("p", {"class": "result-list"}):
    print(i)

【问题讨论】：

标签： html python-3.x html-parsing

【解决方案1】：

将 lxml 用于此类任务。你也可以用beautifulsoup。

import lxml.html
t = lxml.html.parse(url)
print t.find(".//title").text

（来自 How can I retrieve the page title of a webpage using Python?，作者 Peter Hoffmann）

【讨论】：

【解决方案2】：

我将给定的代码添加到我的。

title = soup.title
print(title.string[:-24:])  # Last 24 character of title is always constant.

【讨论】：

【解决方案3】：

如果还是得不到想要的结果，试试这个方法。

import urllib
import bs4
from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup

my_url = 'https://www.strawpoll.me/20321563/r'
uCLient = uReq(my_url)
page_html = uCLient.read()
uCLient.close()    
page_soup = soup(page_html,"html.parser")
_div = page_soup.find(lambda tag: tag.name=='div' and tag.has_attr('id') and 
tag['id']=="result-list") 
title = _div.findAll(lambda tag: tag.name=='h1')

print(title)

输出：[<h1>This is Title</h1>]

【讨论】：

其实我只需要“This is Title”

【解决方案4】：

你可以使用 BeautifulSoup 看：

from bs4 import BeautifulSoup

data = "html as text(Source)"

soup = BeautifulSoup(data)

p = soup.find('h1', attrs={'class': 'titleClass'})
p.a.extract()
print p.text.strip()

【讨论】：