使用 BeautifulSoup 在 流文本 B 中抓取 B答案

【问题标题】：scraping B in flow text B using BeautifulSoup使用 BeautifulSoup 在 流文本 B 中抓取 B
【发布时间】：2020-04-08 09:46:11
【问题描述】：

我有以下 bs4 元素标签：

<span><span>some content</span> B</span>

字符串 B 的 len 未知（为简化起见，我将其命名为 B）

如何使用 beautifulSoup 提取 "b" ？或者我只是作为解决方案来提取文本，然后使用一些正则表达式技术

谢谢

编辑：完整代码

def get_doc_yakarouler(license_plate,url = 'https://www.yakarouler.com/car_search/immat?immat='):
    response = requests.get(url+license_plate)
    content = response.content 
    doc = BeautifulSoup(content,'html.parser')
    result = doc.span.text
    if 'identifié' in result :
        return doc
    else : 
        return f"La plaque {license_plate} n'est pas recensé sur yakarouler"

doc = get_doc_yakarouler('AA300AA')
span = doc.find_all('span')
motorisation_tag = span[1]

我要提取“1.6 TDI”

我使用以下方法找到了解决方案：motorisation_tag.text.replace(u'\xa0', ' ').split(' ')[1] 但我想直接使用 bs4 是否可行

【问题讨论】：

你能分享一些代码吗？
是的！完成了
@Doxcos44 看看下面的答案

标签： python html web-scraping beautifulsoup

【解决方案1】：

假设您有一个变量span 代表外部 标记，您可以执行以下操作来提取“B”：span.contents[1]。这是因为.contents 将返回标签内容的列表，在本例中为[some content, ' B']。然后您可以访问“B”文本作为数组的第二个元素。请注意，如果 B 之前有一个空格，就像您在 HTML 示例中显示的那样，该空格将包含在字符串中

【讨论】：

谢谢！这么简单

【解决方案2】：

from bs4 import BeautifulSoup as bs , NavigableString
html = '<span><span>some content</span> B</span>'
soup = bs(html, 'html.parser')
span = soup.find("span")
# First approach Using Regular Expressions
outer_text_1 = span.find(text=True, recursive=False)
# Second approach is looping through the contents of the tag and check if it's the outer text and not a tag
outer_text_2 = ' '.join([t for t in span.contents if type(t)== NavigableString])

print(outer_text_1) # output B
print(outer_text_2) # output B

【讨论】：