如何在忽略嵌套标签的情况下提取文本，其中我需要 <td> 中的文本但不需要嵌套 答案

【问题标题】：How to extract the text ignoring the nested tag where i need the text in <td> but not in nested 如何在忽略嵌套标签的情况下提取文本，其中我需要 <td> 中的文本但不需要嵌套 
【发布时间】：2018-12-07 03:42:20
【问题描述】：

我想在下面的代码中忽略 <td> 中的嵌套标签。我只想要<td> 中的整数（数字）而不是 标签中包含的文本。我已经编写了 selenium 代码，但它在 <td>. 中返回了整个文本有什么方法可以让我忽略嵌套并获取<td>中的数字

Python 代码：

 wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#middle > table > tbody > tr:nth-child(2) > td:nth-child(1) > table > tbody > tr:nth-child(1) > td')))
 data = driver.find_elements_by_css_selector("#middle > table > tbody > tr:nth-child(2) > td:nth-child(1) > table > tbody > tr:nth-child(1) > td")
    print(data[0].text)

输出:: 包裹号 71200000

但我只想要71200000

HTML：

<table width="100%">
    <tbody>
        <tr style="">
            <td><strong>Parcel Number</strong> 71200000</td>
        </tr>
        <tr style="">
            <td><strong>Tax Area</strong> 19A - TAX DISTRICT 19A</td>
        </tr>
        <tr style="">
            <td><strong>Situs Address</strong> </td>
        </tr>
        <tr style="">
            <td><strong>Legal Summary</strong> W.H.M. SECTION A BLK 1 LOT 1 CONT. 7.14 AC</td>
        </tr>
    </tbody>
</table>

【问题讨论】：

您可以应用正则表达式来提取数字。
但对于其他我不能应用正则表达式。例如税区 19A - TAX DISTRICT 19A 在此我需要：19A - 仅限 TAX DISTRICT 19A
你将不得不处理你得到的文本。我可以用 java 提供，但似乎你需要用 Python。

标签： python html selenium web-scraping css-selectors

【解决方案1】：

以下代码可能对您有所帮助。

wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#middle > table > tbody > tr:nth-child(2) > td:nth-child(1) > table > tbody > tr:nth-child(1) > td')))
    data = driver.find_elements_by_css_selector("#middle > table > tbody > tr:nth-child(2) > td:nth-child(1) > table > tbody > tr:nth-child(1) > td")
    print(data[0].text)
    data_child = data[0].find_element_by_tag_name("strong")
    data_parent = data[0].text.replace(data_child.text,'')
    print(data_parent)

【讨论】：

【解决方案2】：

在 Java 中，您可以执行以下操作 -

data.substring(data.indexOf("</strong>")+"</strong>".length(), data .length()));

也许你可以转换它:)

【讨论】：

【解决方案3】：

使用正则表达式。

import re
output = "Parcel Number 71200000"
m = re.search(r"\d+", output)
if m:
    print(m.group())

输出：

71200000

【讨论】：

【解决方案4】：

您可以使用decompose函数将标签中的文本删除，只获取<td>标签中的文本。

content = BeautifulSoup(yourhtml, 'html.parser')
tds = content.find_all('td')
tds[0].find("strong").decompose()
print(tds[0].text.strip())

输出： 71200000

【讨论】：

【解决方案5】：

要提取所需的文本，您还可以使用 Python 的 split() 方法，如下所示：

all_data = WebDriverWait(driver, 20).until.until(EC.presence_of_element_located((By.CSS_SELECTOR, '#middle > table > tbody > tr:nth-child(2) > td:nth-child(1) > table > tbody > tr:nth-child(1) > td')))
for data in all_data:
    print(data.text.split(">")[2])

【讨论】：

中的整个文本，它没有忽略“强”标签
AttributeError: 'list' 对象没有属性 'split'
@curious_nustian 查看我的更新答案并告诉我状态