如何使用 Beautifulsoup python 在 HTML 列表中提取文本答案

【问题标题】：How to extract text within HTML lists using beautifulsoup python如何使用 Beautifulsoup python 在 HTML 列表中提取文本
【发布时间】：2014-04-25 21:08:20
【问题描述】：

我正在尝试编写一个可以在 html 中的列表之间提取文本的 python 程序。我想提取诸如精装书和页数之类的信息。有人知道这个操作的命令吗？

<h2>Product Details</h2>
  <div class="content">
<ul>

<li><b>Hardcover:</b> 156 pages</li>

<li><b>Publisher:</b> Insight Editions; Har/Pstr edition (June 18, 2013)</li>

<li><b>Language:</b> English</li>

<li><b>ISBN-10:</b> 1608871827</li>
<li><b>ISBN-13:</b> 978-1608871827</li>

用于解析我使用的其他信息：

definition in soup.findAll('span', {"class":'bb_price'}):
definition = definition.renderContents()

但它不适用于这种情况。

【问题讨论】：

标签： python html parsing html-parsing beautifulsoup

【解决方案1】：

通过text 找到b 标签并获取next_sibling。

工作示例：

from bs4 import BeautifulSoup

data = """<h2>Product Details</h2>
  <div class="content">
<ul>

<li><b>Hardcover:</b> 156 pages</li>

<li><b>Publisher:</b> Insight Editions; Har/Pstr edition (June 18, 2013)</li>

<li><b>Language:</b> English</li>

<li><b>ISBN-10:</b> 1608871827</li>
<li><b>ISBN-13:</b> 978-1608871827</li></ul></div>"""

soup = BeautifulSoup(data)

print soup.find('b', text='Hardcover:').next_sibling
print soup.find('b', text='Publisher:').next_sibling

打印：

156 pages
Insight Editions; Har/Pstr edition (June 18, 2013)

【讨论】：