BS4 如何在不使用 .text 的情况下获取文本？

Question

这是来自网站的源代码布局：

<div class="address">
    <a href="https://website.ca/classifieds/59-barclay-street/">
        59 Some Street<br />City, Zone 1
    </a>
</div>

我想获取用于 Google 地理编码的街道号码、路线和城市。如果我这样做

>>>article.find('div', {'class': 'address'}).text
'59 Some StreetCity, Zone 1'

它带走了<br />，我无法将路线与城市分开。如果我执行str().replace('<br />',', ')，那么我必须以某种方式将其再次转换回之前的任何类型，以便我可以执行.text 来获取<a href> 之间的实际文本，这是低效的。我想使用.text 用来获取实际文本的功能，而不是删除<br> 内容的功能。我在我的环境中找不到名为BeautifulSoup.py 的文件，所以我正在查看GitHub 上的BeautifulSoup 源代码，但我在其中找不到def text，我不知道还能去哪里看.

更新：

articles = page_soup.find('h2', text='Ads').find_next_siblings('article')
for article in articles:
    link = article.find('a')
    br = link.find('br')
    ad_address = br.previous_sibling.strip() + ', ' + br.next_sibling.strip().partition(', Zone ')[0]
    #ad_address = link.br.replace_with(', ').get_text().strip().partition(', Zone ')

Answer 1

您可以找到br 分隔符标记并在其周围获取兄弟姐妹：

In [4]: br = soup.select_one("div.address > a > br")

In [5]: br.previous_sibling.strip()
Out[5]: u'59 Some Street'

In [6]: br.next_sibling.strip()
Out[6]: u'City, Zone 1'

---

您还可以找到br 元素并使用replace_with() 将其替换为空格：

In [4]: a = soup.select_one("div.address > a")
In [5]: a.br.replace_with(" ")

In [6]: a.get_text().strip()
Out[6]: u'59 Some Street City, Zone 1'

---

或者，你可以加入a标签内的所有文本节点：

In [7]: a = soup.select_one("div.address > a")
In [8]: " ".join(a.find_all(text=True)).strip()
Out[8]: u'59 Some Street City, Zone 1'

Answer 2

试试：

soup.find('div', {'class':'address'}).get_text(separator=u"<br/>").split(u'<br/>')

分隔符关键字定义连接文本的内部 HTML。

http://omz-software.com/pythonista/docs/ios/beautifulsoup_ref.html

Answer 3

试试：

for link_to_text in links:
   Print link_to_text.get_text()