Python：解析关键字之间的文本

Question

我正在寻求使用 BeautifulSoup 来解析一种网页上的文本，代码如下：

import urllib 
import re

html = urllib.urlopen('http://english.hani.co.kr/arti/english_edition/e_national/714507.html').read()
content= str(soup.find("div",  class_="article-contents"))

所以我的目标是至少解析出第一段中的第一句话或前几句话。

因为段落没有被<p> 标签包围，所以到目前为止我最好的策略是在content 中找到</h4> 和<p> 之间的文本（发生这种情况成为第一段）

目标文本如下所示：

<div class="article-contents">
<div class="article-alignC">
<table class="photo-view-area">
<tr>
<td>
<img alt="" border="0" src="http://img.hani.co.kr/imgdb/resize/2015/1024/00542577201_20151024.JPG" style="width:590px;"/>
</td>
</tr>
</table>
</div>
<h4></h4>

（这是我要解析的内容，在<h4> 和<p> 之间） <p align="justify"></p>

我正在尝试直接在 BeautifulSoup 上执行此操作或使用正则表达式，但到目前为止仍然不成功。

Answer 1

找到h4元素并使用find_next_sibling()找到第一个下一个文本兄弟：

h4 = soup.select_one("div.article-contents > h4")
print(h4.find_next_sibling(text=True))

打印：

US scholar argues that any government attempt to impose single view of history is misguided On Oct. 19, the Hankyoreh’s Washington correspondent conducted on interview with phone and email with William North, chair of the history department at Carleton University in Minnesota. The main topic of the discussion was the efforts of the administration of South Korean President Park Geun-hye to take over the production of history textbooks.　

---

嗯，实际上，在这里使用.next_sibling 就足够了：

print(h4.next_sibling)