beautifulsoup - 获取 br 标签两侧的文本答案

【问题标题】：beautifulsoup - Fetching text either side of a br tagbeautifulsoup - 获取 br 标签两侧的文本
【发布时间】：2017-12-16 16:47:01
【问题描述】：

不幸的是，我遇到了以下问题：

 <a href="someurl"> 
"TEXT ONE"
 <br>
 "TEXT TWO"
 </a>

我需要单独的文本一和文本二。我只能通过使用"text = container.a.text" 来获得它们作为一个整体提供"TEXT ONE TEXT TWO"，容器是a 标签的父级。我尝试了尽可能多的方法，但没有成功。我无法正确使用br 标签。
感谢您的帮助。

【问题讨论】：

你在这里使用什么解析器（lxml?html.parser?）
html.parser 是我一直在使用的

标签： python beautifulsoup

【解决方案1】：

我会避免依赖br 元素的存在，而是定位a 内的所有文本节点：

In [1]: from bs4 import BeautifulSoup

In [2]: html = """ <a href="someurl"> 
    ...: "TEXT ONE"
    ...:  <br>
    ...:  "TEXT TWO"
    ...:  </a>"""

In [3]: soup = BeautifulSoup(html, "html.parser")

In [4]: [item.strip() for item in soup.a(text=True)]
Out[4]: ['"TEXT ONE"', '"TEXT TWO"']

注意a(text=True) 是a.find_all(text=True) 的缩写。

当然，如果需要，您可以将其解压缩到单独的变量中：

In [5]: text_one, text_two = [item.strip() for item in soup.a(text=True)]

In [6]: text_one
Out[6]: '"TEXT ONE"'

In [7]: text_two
Out[7]: '"TEXT TWO"'

【讨论】：

非常感谢您的帮助，我也试试这个。

【解决方案2】：

找到br标签后，您可以使用.previousSibiling和.nextSibling属性：

>>> container.a.find("br").previousSibling
' \n"TEXT ONE"\n '
>>> container.a.find("br").nextSibling
'\n "TEXT TWO"\n '

【讨论】：

【解决方案3】：

您可以通过多种方式做到这一点。这是另一种方式：

from bs4 import BeautifulSoup

content='''
 <a href="someurl"> 
"TEXT ONE"
 <br>
 "TEXT TWO"
 </a>
'''
soup = BeautifulSoup(content,'lxml')
for items in soup.select('a'):
    elem = [' '.join(item.split()) for item in items.strings]
    print(elem)

输出：

['"TEXT ONE"', '"TEXT TWO"']

【讨论】：