使用 beautifulsoup 解析带有一些文本的标签答案

【问题标题】：Using beautifulsoup to parse tag with some text使用 beautifulsoup 解析带有一些文本的标签
【发布时间】：2012-10-27 19:00:53
【问题描述】：

一些html代码包含一些dt标签，如下所示：

<dt>PLZ:</dt>
<dd>
8047
</dd>

我想在dt 标记后面的dd 标记中找到带有文本PLZ: 的文本。根据文档，我正在尝试以下操作：

number = BeautifulSoup(text).find("dt",text="PLZ:").findNextSiblings("dd")

使用text 上面的字符串，但我得到的只是一个空列表，而不是我正在寻找的数字（当然是字符串）。也许我误解了文档？

【问题讨论】：

我敢打赌 PLZ: 不匹配（也许你太严格了？）。要进行调试，请尝试将PLZ: 减少到最小的值——如果它完全匹配任何内容，请添加一些PLZ:，直到你得到你所期望的。
PLZ：实际上是匹配的。即BeautifulSoup(text).find("dt",text="PLZ:") 部分返回一个打印为PLZ: 的对象。只有最后一步似乎不起作用。或者至少不能以我尝试的方式工作。

标签： python web-scraping beautifulsoup

【解决方案1】：

那就试试吧：

from BeautifulSoup import BeautifulSoup

text = """
<dt>PLZ:</dt>
<dd>
8047
</dd>"""

number = BeautifulSoup(text).find("dt",text="PLZ:").parent.findNextSiblings("dd")
print BeautifulSoup(''.join(number[0]))

或者如果你用 findNext 找到试试：

number = BeautifulSoup(text).find("dt",text="PLZ:").parent.findNext("dd").contents[0]

【讨论】：

【解决方案2】：

这对我有用：

from BeautifulSoup import BeautifulSoup

text = '''<dt>PLZ:</dt>
<dd>
8047
</dd>'''


BeautifulSoup(text).find("dt",text="PLZ:").parent.findNextSiblings('dd')

【讨论】：