在 Python 中使用 BeautifulSoup 提取链接标签之间的文本答案

【问题标题】：Extracting text between link tags using BeautifulSoup in Python在 Python 中使用 BeautifulSoup 提取链接标签之间的文本
【发布时间】：2015-05-29 23:47:34
【问题描述】：

我的 HTML 代码如下所示：

<a href="/Content.aspx?id=102966" id="mylink" target="_blank">EZSTORAGE - PACK IT. STORE IT. WIN - <img src="/images/usa.png" style="border:none; height:14px; margin-bottom:-2px;"/> Nationwide - <span title="college students/staff of schools in valid states">Restrictions</span> - Ends 6/30/15</a>

我正在尝试提取呈现此 HTML 时显示的文本。

更具体地说，对于这个示例“a”标签，我正在尝试提取“EZSTORAGE - 打包。存储它。WIN - Nationwide - Restrictions - Ends 6/30/15”

但我无法提取全文，因为它被“img”标签和“span”分解。

为了提供更多上下文，我一直在使用下面的代码来搜索所有“a”标签并提取链接文本。

for link in soup.find_all('a', id='mylink'):
    raw.append(link)
    link_text = link.contents[0].encode('utf-8')
    sweeps.append(link_text)

#output: 'EZSTORAGE - PACK IT. STORE IT. WIN - '

任何见解将不胜感激！

【问题讨论】：

标签： python html web-scraping beautifulsoup

【解决方案1】：

你不能像这个 MWE 那样使用link.text 而不是link.contents

text = """
<a href="/Content.aspx?id=102966" id="mylink" target="_blank">EZSTORAGE - PACK IT. STORE IT. WIN - <img src="/images/usa.png" style="border:none; height:14px; margin-bottom:-2px;"/> Nationwide - <span title="college students/staff of schools in valid states">Restrictions</span> - Ends 6/30/15</a>
"""
from bs4 import BeautifulSoup

soup = BeautifulSoup(text)

for link in soup.find_all('a', id='mylink'):
    link_text = link.text
    print link_text

结果：

EZSTORAGE - PACK IT. STORE IT. WIN -  Nationwide - Restrictions - Ends 6/30/15

【讨论】：

【解决方案2】：

您可以使用常规查找所有文本

import urllib,urllib2,re

content=r'<a href="/Content.aspx?id=102966" id="mylink" target="_blank">EZSTORAGE - PACK IT. STORE IT. WIN - <img src="/images/usa.png" style="border:none; height:14px; margin-bottom:-2px;"/> Nationwide - <span title="college students/staff of schools in valid states">Restrictions</span> - Ends 6/30/15</a>''



links=re.findall(r'>(.*?)<',content)
a=""
for link in links:
    a=a+link
print a

return "EZSTORAGE - 打包。存储。获胜 - 全国范围 - 限制 - 2015 年 6 月 30 日结束"

【讨论】：