如何使用beautifulsoup python在HTML列表中提取文本

Question

我正在尝试编写一个可以在html列表之间提取文本的python程序。 我想提取诸如精装书和页数之类的信息。 有人知道此操作的命令吗？

<h2>Product Details</h2>
  <div class="content">
<ul>

<li><b>Hardcover:</b> 156 pages</li>

<li><b>Publisher:</b> Insight Editions; Har/Pstr edition (June 18, 2013)</li>

<li><b>Language:</b> English</li>

<li><b>ISBN-10:</b> 1608871827</li>
<li><b>ISBN-13:</b> 978-1608871827</li>

为了解析其他信息，我使用了：

definition in soup.findAll('span', {"class":'bb_price'}):
definition = definition.renderContents() 

但不适用于这种情况。

Answer 1

通过text找到b标签并获取next_sibling 。

工作示例：

from bs4 import BeautifulSoup

data = """<h2>Product Details</h2>
  <div class="content">
<ul>

<li><b>Hardcover:</b> 156 pages</li>

<li><b>Publisher:</b> Insight Editions; Har/Pstr edition (June 18, 2013)</li>

<li><b>Language:</b> English</li>

<li><b>ISBN-10:</b> 1608871827</li>
<li><b>ISBN-13:</b> 978-1608871827</li></ul></div>"""

soup = BeautifulSoup(data)

print soup.find('b', text='Hardcover:').next_sibling
print soup.find('b', text='Publisher:').next_sibling

打印：

156 pages
Insight Editions; Har/Pstr edition (June 18, 2013)