无法在 Atag 中获取字符串

Posted 2023-02-24

【中文标题】无法在 Atag 中获取字符串

【英文标题】：Can't get string inside ATag

【发布时间】：2020-06-16 14:40:42

【问题描述】：

我是初学者，所以请善待。我正在使用 Beautiful Soup 来解析一些 html。我已经到了找到这个标签的地方

a_tag = <a href="sicc2020/results?pid=31022">S<span class="notCompact">hakira</span> Mirfin</a>

我想从这个字符串中得到“S”、“hakira”和“Mirfin”。但是，当我使用 .string 函数时，它只是说没有。我可以得到“hakira”部分，但我不能得到“S”或“Mirfin”。

print(a_tag)
>><a href="sicc2020/results?pid=31022">S<span class="notCompact">hakira</span> Mirfin</a>

print(a_tag).string
>> None

print(a_tag).find('span').string
>>hakira

任何帮助将不胜感激！

谢谢。

【参考方案1】：

你可以试试：

from bs4 import BeautifulSoup
html_doc="""<a href="sicc2020/results?pid=31022">S<span class="notCompact">hakira</span> Mirfin</a>"""

soup = BeautifulSoup(html_doc, 'lxml')
text = soup.find("a").get_text(",", strip=True)

print(text)

输出将是：

S,hakira,Mirfin

【讨论】：

谢谢！ get_text 工作！没有意识到那和.string之间有区别。再次感谢您！

【参考方案2】：

就这样做吧：

var text_array;
var children = document.getElementById(id).childNodes;

text_array.push(document.getElementById(id).textContent)

  for (var i = 0; i < children.length; i++) 
    text_array.push(children[i].textContent)
  

如果你想删除所有内容：

var children = document.getElementById(id).childNodes;

document.getElementById(id).textContent = ""

  for (var i = 0; i < children.length; i++) 
    children[i].textContent = ""
  

如果它不适用于您的“S”和“Mirfin”，您可以这样做：

$("#id")
.clone()    //clone the element
.children() //select all the children
.remove()   //remove all the children
.end()  //again go back to selected element
.text();

【参考方案3】：

另一种方法。

from simplified_scrapy import SimplifiedDoc,req,utils
html ='''<a href="sicc2020/results?pid=31022">S<span class="notCompact">hakira</span> Mirfin</a>'''
doc = SimplifiedDoc(html)
print (doc.a.text)

结果：

Shakira Mirfin

这里有更多示例：https://github.com/yiyedata/simplified-scrapy-demo/tree/master/doc_examples