BeautifulSoup - 如何在没有打开标签和 <br> 标签之前提取文本？

Question

我是 python 和 beautifulsoup 的新手，花了好几个小时试图弄清楚这一点。
我想在没有类的<div> 中提取三个特定的文本提取。
我想要的第一个文本提取在 <a> 标签内，该标签在 <h4> 标签内。我设法将其提取出来。
第二个文本提取紧跟在结束 h4 标记 </h4> 之后，然后是 <br> 标记。
第三个文本提取紧跟在第二个文本提取之后的<br> 标记之后，并且紧随其后的是<br> 标记。

这里是我使用的 html 提取：

<div>
    <h4 class="actorboxLink">
    <a href="/a-decheterie-de-bagnols-2689">Decheterie de Bagnols</a>
    </h4>
    Route des 4 Vents<br>
    63810 Bagnols<br>
</div>

我要提取：

Decheterie de Bagnols

Route des 4 Vents

63810 Bagnols

这是我目前的代码：

import urllib
from bs4 import BeautifulSoup    
data = urllib.urlopen(url).read()
soup = BeautifulSoup(data, "html.parser")
name = soup.findAll("h4", class_="actorboxLink")

for a_tag in name:
    print a_tag.text.strip()

我需要类似“soup.findAll(</h4>) 之后的所有文本”

我使用 .next_sibling 玩过，但我无法让它工作。

有什么想法吗？谢谢

更新：
我试过这个：

for a_tag in classActorboxLink:
    print a_tag.find_all_next(string=True, limit=5) 

这给了我：
[u'\n', u'\r\n\t\t\t\t\t\tDecheterie\xa0de\xa0Bagnols\t\t\t\t\t', u'\n', u'\ r\n\t\t\t\tRoute\xa0des\xa04\xa0Vents', u'\r\n\t\t\t\t63810 Bagnols']

这是一个开始，但我需要重新爱上所有的空格和不必要的字符。我尝试使用.strip()、.strings 和.stripped_strings，但它不起作用。例子：

for a_tag in classActorboxLink.strings

for a_tag in classActorboxLink.stripped_strings

print a_tag.find_all_next(string=True, limit=5).strip() 

对于所有三个我得到：

AttributeError: 'ResultSet' object has no attribute 'strings/stripped_strings/strip'

Answer 1

找到h4 元素并使用find_next_siblings()：

h4s = soup.find_all("h4", class_="actorboxLink")
for h4 in h4s:
    for text in h4.find_next_siblings(text=True):
        print(text.strip())

Answer 2

如果您不需要在不同变量中查找的 3 个元素中的每一个，您可以使用 <div> 上的 get_text() 函数将它们全部放在一个字符串中。如果还有其他div 标签，但它们都有类，您可以找到所有<div> 和class=false。如果您无法隔离您感兴趣的<div>，那么此解决方案将不适合您。

import urllib
from bs4 import BeautifulSoup    
data = urllib.urlopen(url).read()
soup = BeautifulSoup(data, "html.parser")

for name in soup.find_all("div", class=false)
     print name.get_text().strip()

顺便说一句，这是 python 3 和 bs4