Beautifulsoup 将标签中的文本拆分为<br/>

Question

是否可以通过 br 标签从标签中拆分文本？

我有这个标签内容： [u'+420 777 593 531', <br/>, u'+420 776 593 531', <br/>, u'+420 775 593 531']

我只想得到数字。 有什么建议吗？

编辑：

[x for x in dt.find_next_sibling('dd').contents if x!=' <br/>']

根本不起作用。

Answer 1

您需要测试标记 ，这些标记被建模为Element实例。 Element对象具有name属性，而text元素没有（属于NavigableText实例）：

[x for x in dt.find_next_sibling('dd').contents if getattr(x, 'name', None) != 'br']

由于您似乎只在<dd>元素中包含text和<br />元素，因此您也可以只获取所有包含的字符串 ：

list(dt.find_next_sibling('dd').stripped_strings)

演示：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('''\
... <dt>Term</dt>
... <dd>
...     +420 777 593 531<br/>
...     +420 776 593 531<br/>
...     +420 775 593 531<br/>
... </dd>
... ''')
>>> dt = soup.dt
>>> [x for x in dt.find_next_sibling('dd').contents if getattr(x, 'name', None) != 'br']
[u'\n    +420 777 593 531', u'\n    +420 776 593 531', u'\n    +420 775 593 531', u'\n']
>>> list(dt.find_next_sibling('dd').stripped_strings)
[u'+420 777 593 531', u'+420 776 593 531', u'+420 775 593 531']

Answer 2

使用get_text(strip=True, separator='\\n')和str.splitlines ：

from bs4 import BeautifulSoup

soup = BeautifulSoup('''\
<dt>Term</dt>
<dd>
    +420 777 593 531<br/>
    +420 776 593 531<br/>
    +420 775 593 531<br/>
</dd>
''', 'html.parser')
print(soup.dd.get_text(strip=True, separator='\n').splitlines())
# ['+420 777 593 531', '+420 776 593 531', '+420 775 593 531']

Answer 3

tag =  BeautifulSoup('''
<dd>
    +420 777 593 531<br/>
    +420 776 593 531<br/>
    +420 775 593 531<br/>
</dd>
''', 'html.parser')

将此转换为字符串

str_tag = str(tag)

现在使用<br/>标签拆分并转换回 BeautifulSoup 并从中提取文本

numbers = [BeautifulSoup(_,'html.parser').text.strip() for _ in str(soup).split('<br/>')]
# output : ['+420 777 593 531', '+420 776 593 531', '+420 775 593 531', '']