从 BeautifulSoup 4.6 中的两个 HTML 标签之间提取 HTML

Posted 2023-05-07

【中文标题】从 BeautifulSoup 4.6 中的两个 HTML 标签之间提取 HTML

【英文标题】：Extract the HTML from between two HTML tags in BeautifulSoup 4.6

【发布时间】：2018-03-16 07:00:38

【问题描述】：

我想用 bs4 获取两个标签之间的 html。有没有办法在 Beautiful Soup 中做 javascript 的 .innerHTML？

这段代码找到一个带有“title”类的span，并从中获取文本。

def get_title(soup):
title = soup.find('span', 'class': 'title')
return title.text.encode('utf-8')

此函数错误地返回不带下标的跨度文本。 'Title about H2O and CO2'

以下代码是title = soup.find('span', 'class': 'title')的结果：

<span class="title">Title about H<sub>2</sub>O and CO<sub>2</sub></span>

没有原始跨度如何得到结果？

想要的结果：'Title about H<sub>2</sub>O and CO<sub>2</sub>'?

【参考方案1】：

在发现 JavaScript 具有 .innerHTML 后，我能够在 google 上搜索到漂亮汤的方法。我在this question 中找到了答案。

选择带有BS4的元素后，可以使用.decode_contents(formmater='html')获取innerHTML。

element.decode_contents(formatter="html")