如何从标签中获取文本，但忽略其他子标签

Posted 2023-02-23

【中文标题】如何从标签中获取文本，但忽略其他子标签

【英文标题】：how to get text from within a tag, but ignore other child tags

【发布时间】：2015-01-27 12:30:10

【问题描述】：

我正在做美味的汤。 我有一个 html 字符串：

<div><b>ignore this</b>get this</div>

如何检索“get this”，而忽略“ignore this”

谢谢

【参考方案1】：

您可以获得div 文本，而不是递归检索子文本：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<div><b>ignore this</b>get this</div>')
>>> soup.div.find(text=True, recursive=False)
u'get this'

这与文本相对于子项的位置无关：

>>> soup = BeautifulSoup('<div>get this<b>ignore this</b></div>')
>>> soup.div.find(text=True, recursive=False)
u'get this'

【讨论】：

请问第一个和第二个代码sn-ps有什么区别？在我看来，它们是相同的两行（第二个代码 sn-p 中有一个小错字）。

@AustinA 不同之处在于 html。这是为了展示recursive=False 如何为您提供div 的文本，而忽略子元素，无论它们的位置如何。 （谢谢，我在第二个 sn-p 中将 s 修正为 soup 错字:)）

是的，我现在明白了。由于某种原因，我以前看不到。不过，我确实有一个问题。假设有多个 div 标签，我想从中获取文本。 <div class="main"><div class="sub">Text1.<span>I don't want this text.</span></div><div class="sub">Text2.<span>I don't want this text either.</span></div></div>。我一直在尝试做的是使用soup.findAll('div','sub', recursive=False)，但这给了我一个空列表，而soup.findAll('div','sub')给了我Text1. I don't want this text. Text2. I don't want this text either.我在这里做错了什么？

find_all 返回匹配列表。您需要将我的解决方案应用于每个匹配的 div。像这样的东西：' '.join(div.find(text=True, recursive=False) for div in soup.findAll('div', 'sub'))。如果需要，然后将所有文本连接到一个字符串中。

@Austin。如果他帮助了你，你能给他点赞吗？这是一个很好的答案。谢谢:)