使用 BeautifulSoup CSS 选择器获取文本

Posted 2023-02-23

【中文标题】使用 BeautifulSoup CSS 选择器获取文本

【英文标题】：Get text with BeautifulSoup CSS Selector

【发布时间】：2016-10-18 18:56:49

【问题描述】：

示例 html

<h2 id="name">
    ABC
    <span class="numbers">123</span>
    <span class="lower">abc</span>
</h2>

我可以通过以下方式获取数字：

soup.select('#name > span.numbers')[0].text

如何使用 BeautifulSoup 和 select 函数获取文本 ABC？

在这种情况下呢？

<div id="name">
    <div id="numbers">123</div> 
    ABC
</div>

【参考方案1】：

在第一种情况下，获取previous sibling：

soup.select_one('#name > span.numbers').previous_sibling

在第二种情况下，获取next sibling:

soup.select_one('#name > #numbers').next_sibling

请注意，我假设这里有意将numbers 作为id 值，并且标签是div 而不是span。因此，我调整了 CSS 选择器。

---

要覆盖这两种情况，你可以去标签的父节点，以非递归方式找到非空文本节点：

parent = soup.select_one('#name > .numbers,#numbers').parent
print(parent.find(text=lambda text: text and text.strip(), recursive=False).strip())

注意选择器的变化 - 我们要求匹配 numbers id 或 numbers 类。

不过，我觉得这种通用解决方案不太可靠，因为对于初学者来说，我不知道您的实际输入可能是什么。

【讨论】：

是的，id 和 div 与 span 的变化是有意的。感谢您的关注！有没有办法从上一个解决方案中的父母开始，然后在案例#1 中直接选择第一个孩子，或者在案例#2 中选择第二个孩子？我试图避免使用 find 或 findAll。

@slaw 是的，当然，您可以使用contents 列表：tag.contents[0] 或tag.contents[1]。或者，通过tag.children 生成器。