在 python (BeautifulSoup) 中获取特定的 span 标签文本

Question

我在 python3 上使用 BeautifulSoup 从 MyAnimeList 中抓取一些信息，并试图获取有关节目“状态”的信息，但无法访问它。

这里是html：

<h2>Information</h2>
    <div>
        <span class="dark_text">Type:</span>
        <a href="https://myanimelist.net/topanime.php?type=movie">Movie</a>
    </div>
    <div class="spaceit">
        <span class="dark_text">Episodes:</span>
        1
    </div>
    <div>
        <span class="dark_text">Status:</span>
        Finished Airing
    </div>

所有这些也包含在另一个 div 标记中，但我只包含了我想要抓取的 html 部分。澄清一下，我想获得包含在“状态”中的文本“完成播出”。

这是我到目前为止的代码，但我不确定这是否是最好的方法或从这里去哪里：

Page_soup = soup(Page_html, "html.parser")
extra_info = Page_soup.find('td', attrs={'class': 'borderClass'})
span_html = extra_info.select('span')
for i in range(len(span_html)):
    if 'Status:' in span_html[i].getText():

任何帮助将不胜感激，谢谢！

Answer 1

要使用"Status:" 获取<span> 旁边的文本，您可以使用：

from bs4 import BeautifulSoup

html_doc = """
<h2>Information</h2>
    <div>
        <span class="dark_text">Type:</span>
        <a href="https://myanimelist.net/topanime.php?type=movie">Movie</a>
    </div>
    <div class="spaceit">
        <span class="dark_text">Episodes:</span>
        1
    </div>
    <div>
        <span class="dark_text">Status:</span>
        Finished Airing
    </div>
"""

soup = BeautifulSoup(html_doc, "html.parser")
txt = soup.select_one('span:-soup-contains("Status:")').find_next_sibling(text=True)
print(txt.strip())

打印：

Finished Airing

---

或者：

txt = soup.find("span", text="Status:").find_next_sibling(text=True)
print(txt.strip())

Answer 2

另一种解决方案（也许）：

f = soup.find_all('span',attrs={'class':'dark_text'})
for i in f:
     if i.text == 'Status:':
         print(i.parent.text)

并将“状态：”更改为您想要查找的任何其他内容。 希望我能帮上忙！