HTML文本提取

Question

我有一个清单，来自美丽汤。

soup = BeautifulSoup(page.content, 'html.parser')
area = soup.select("td strong")

例如

area=[
<strong><span style="font-size:1.4em;">120 Beats Per Minute (15)</span><br/><br/>Cinema</strong>, 
<strong><span style="font-size:1.4em;">A Little Night Music</span><br/><br/>Theatre</strong>, 
<strong><span style="font-size:1.4em;">A Wrinkle in Time (PG)</span><br/><br/>Cinema</strong>
]

除了电影院，剧院之外，我需要摆脱文本。

我想出了下面的表达式，但无法将其应用于列表

x[x.find('<br/><br/>')+10:].replace('</strong>','')

有什么想法可以应用此表达式从列表中提取数据以创建新列表吗？ 我已经试过了：

clean_area=[]
for x in area:
   clean_area.append(x[x.find('<br/><br/>')+10:].replace('</strong>',''))

但我收到此错误：TypeError：+不支持的操作数类型：'NoneType'和'int'

Answer 1

大约一个小时前，我正在回答您的第一篇文章，但您将其删除了。

我不确定这是否是最好的方法，但这是我想出的：

text = [
"""<strong><span style="font-size:1.4em;">120 Beats Per Minute (15)</span><br/><br/>Cinema</strong>""", 
"""<strong><span style="font-size:1.4em;">A Little Night Music</span><br/><br/>Theatre</strong>""", 
"""<strong><span style="font-size:1.4em;">A Wrinkle in Time (PG)</span><br/><br/>Cinema</strong>"""
]

text = ''.join(text) #Converting list of strings to one string

start = "<br/><br/>" #Start indication
end = "</" #End indication

clean_area = []

index = 0
while index < len(text):
    index = text.find(start, index)
    if index == -1:
        break
    clean_area.append(text[index+len(start):text.find(end, index)])
    index += len(start)

print(clean_area)

Answer 2

您要使用的是decompose这将删除您不需要的所有标签。

在这种情况下是span

所以

for x in soup.findAll("span"):
    x.decompose()

print(soup.text)

回报

Cinema, Theatre

Answer 3

我只能使用2个通行证才能使用此功能。 我敢肯定这不是最好的方法，但至少有效。

soup = BeautifulSoup(result.content, "html.parser")

for x in soup.findAll("span"):
    x.decompose()

area = soup.select("td strong")

a = str(area)
soup2 = BeautifulSoup(a)



tr = []
for tag in soup2.find_all(True):
    tr.append(tag.text)


clean_area = [] 
for i in tr[::3]:
    clean_area.append(i)