如何在python中提取html div id标签下的文本答案

【问题标题】：How can I extract text under html div id tag in python如何在python中提取html div id标签下的文本
【发布时间】：2020-05-14 21:02:06
【问题描述】：

我想知道如何从这个网站的这个标签中提取文本：https://ru.thefreedictionary.com/%d1%88%d1%87%d0%be

<div id="MainTxt">


            Слово в словаре не найдено.
 <div id="didYouMean"></div>Быть может, вы искали:
<div style="margin:6px 0 3px 0">

我正在使用的代码获取 id 标签下的所有内容，但我只想获取文本“Слово в словаре не найдено.”

soup.findAll("div", attrs = {"id": ["MainTxt"]})

感谢您的帮助！

【问题讨论】：

【解决方案1】：

首先，没有必要将findAll() 与id 属性结合起来，因为在那个html 中只能有一个带有id 的一个元素，所以findAll() 将始终返回一个元素的列表。以下是解决问题的方法。

match = soup.find('div', {'id': 'MainTxt'})
text = match.text.rstrip().lstrip().split('\n')

rstrip() 和lstrip() 用于删除字符串前后的尾随空格。现在text 是一个元素列表：['Слово в словаре не найдено.\r', ' Быть может, вы искали:\r', '', ...]。获取目标字符串很容易。

target_string = text[0].replace('\r', '')

【讨论】：

【解决方案2】：

我相信您遇到的问题是在 'Слово в словаре не найдено.'之后的 html 页面上没有 </div>。

这意味着“MainTxt”包括直到下一个未打开的</div> 的所有内容。你可以把它们想象成圆括号或花括号。

所以这类似于 . . .

Maintxt{
Слово в словаре не найдено.
didYouMean{}Быть может, вы искали:

您可以尝试获取所有 Maintxt，就像在您的代码中一样，然后删除所有其他 div，但不幸的是，这可能不像单行那么简单，因为您正在使用的 html 不包装 Слово в словаре не найдено。在自己的 div 中

【讨论】：