使用 BeautifulSoup 提取除其他标签外的 div 标签内容答案

【问题标题】：Extract content of div tag except other tags using BeuatifulSoup使用 BeautifulSoup 提取除其他标签外的 div 标签内容
【发布时间】：2020-11-17 13:46:02
【问题描述】：

我有以下 HTML 内容，其中 div 标签如下所示

<div class="block">aaa
 <p> bbb</p>
 <p> ccc</p>
</div>

从上面我想只提取文本为“aaa”而不是其他标签内容。

当我这样做时，

 soup.find('div', {"class": "block"})

它将所有内容作为文本提供给我，我想避免 p 标签的内容。

BeautifulSoup 中是否有可用的方法来执行此操作？

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

检查元素的类型，你可以试试：

from bs4 import BeautifulSoup
from bs4 import element

s = '''
<div class="block">aaa
 <p> bbb</p>
 <p> ccc</p>
 <h1>ddd</h1>
</div>
'''

soup = BeautifulSoup(s, "lxml")
for e in soup.find('div', {"class": "block"}):
    if type(e) == element.NavigableString and e.strip():
        print(e.strip())
# aaa

这将忽略子标签中的所有文本。

【讨论】：

【解决方案2】：

您可以从div 中删除p 标记，这样可以有效地为您提供aaa 文本。

方法如下：

from bs4 import BeautifulSoup

sample = """<div class="block">aaa
 <p> bbb</p>
 <p> ccc</p>
</div>
"""

s = BeautifulSoup(sample, "html.parser")
excluded = [i.extract() for i in s.find("div", class_="block").find_all("p")]
print(s.text.strip())

输出：

aaa

【讨论】：

【解决方案3】：

您可以使用find_next()，它返回找到的第一个匹配项：

from bs4 import BeautifulSoup

html = '''
<div class="block">aaa
 <p> bbb</p>
 <p> ccc</p>
</div>
'''

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

print(soup.find('div', {"class": "block"}).find_next(text=True))

输出：

aaa

【讨论】：