使用 BeautifulSoup，如何仅从特定选择器中获取文本而没有子项中的文本？答案

【问题标题】：Using BeautifulSoup, how to get text only from the specific selector without the text in the children?使用 BeautifulSoup，如何仅从特定选择器中获取文本而没有子项中的文本？
【发布时间】：2017-02-06 17:21:03
【问题描述】：

我不知道如何对BeautifulSoup 进行编码，以便它只给我所选标签中的文本。我得到更多诸如它的孩子（ren）的文字！

例如：

from bs4 import BeautifulSoup
soup = BeautifulSoup('<div id="left"><ul><li>"I want this text"<a href="someurl.com"> I don\'t want this text</a><p>I don\'t want this either</li><li>"Good"<a href="someurl.com"> Not Good</a><p> Not Good either</li></ul></div>', "html5lib") 
x = soup.select('ul > li')
for i in x:
    print(i.text)

输出：

“我想要这个文本”我不想要这个文本我也不想要这个

“好”不好也不好

期望的输出：

“我想要这段文字”

“好”

【问题讨论】：

标签： python web-scraping beautifulsoup html-parsing

【解决方案1】：

一种选择是获取contents list 的第一个元素：

for i in x:
    print(i.contents[0])

另一个——找到第一个文本节点：

for i in x:
    print(i.find(text=True))

两者都会打印：

"I want this text"
"Good"

【讨论】：

sn-ps肯定又处于待机状态！

【解决方案2】：

from bs4 import BeautifulSoup
from bs4 import NavigableString
soup = BeautifulSoup('<div id="left"><ul><li>"I want this text"<a href="someurl.com"> I don\'t want this text</a><p>I don\'t want this either</li><li>"Good"<a href="someurl.com"> Not Good</a><p> Not Good either</li></ul></div>', "html5lib")
x = soup.select('ul > li')
for i in x:
    if isinstance(i.next_element, NavigableString):#if li's next child is a string
        print(i.next_element)

【讨论】：