在标签之间获取多个文本块答案

【问题标题】：Getting multiple blocks of text between tags在标签之间获取多个文本块
【发布时间】：2015-01-01 09:50:32
【问题描述】：

这是我的 HTML：

<div class="left_panel">
    <h4>Header1</h4>
      block of text that I want.            
    <br />
    <br />
      another block of text that I want.
    <br />
    <br />
      still more text that I want.
    <br />
    <br />
      <p>&nbsp;</p>
    <h4>Header2</h4>

文本块的数量是可变的，Header1是一致的，Header2不是。

我使用以下代码成功提取了第一块文本：

def get_summary (soup):
raw = soup.find('div',{"class":"left_panel"})
for h4 in raw.findAllNext('h4'):
    following = h4.nextSibling
    return following

但是我需要位于两个 h4 标记之间的所有项目，我希望使用 h4.nextSiblings 可以解决这个问题，但由于某种原因返回以下错误：

TypeError: 'NoneType' object is not callable

我一直在尝试对此答案的变体：Find next siblings until a certain one using beautifulsoup，但缺少前导标签让我感到困惑。

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

找到第一个标头并遍历.next_siblings，直到找到另一个标头：

from bs4 import BeautifulSoup

data = """
<div class="left_panel">
    <h4>Header1</h4>
      block of text that I want.
    <br />
    <br />
      another block of text that I want.
    <br />
    <br />
      still more text that I want.
    <br />
    <br />
      <p>&nbsp;</p>
    <h4>Header2</h4>
</div>
"""

soup = BeautifulSoup(data)
header1 = soup.find('h4', text='Header1')
for item in header1.next_siblings:
    if getattr(item, 'name') == 'h4' and item.text == 'Header2':
        break

    print item

更新（收集两个h4标签之间的文本）：

texts = []
for item in header1.next_siblings:
    if getattr(item, 'name') == 'h4' and item.text == 'Header2':
        break

    try:
        texts.append(item.text)
    except AttributeError:
        texts.append(item)

print ''.join(texts)

【讨论】：

感谢 Alecxe，效果很好。将这些字符串组合成一个健全的项目的最佳方法是什么？我目前正在使用 append 将它们添加到列表中，这似乎有点愚蠢。
@woodbine 请查看更新。基本上，它与您所说的相同 - 维护文本列表。希望对您有所帮助。
感谢 Alecxe，非常感谢。

【解决方案2】：

我不明白您为什么将 soup 作为参数传递但您不使用它。

如果您使用正确的汤实例，则不应出现该错误。 findAllNext(h4) 返回 <h4>Header1</h4> 和 <h4>Header2</h4>，对每个应用 nextSibling 返回文本兄弟，它们是

block of text that I want.

和

')

在你的情况下。

【讨论】：

对不起，我的错，我在原始代码中调用了tender_soup，但使用'soup'来简化它。我忘记从后续通话中删除“tender_”。已调整。