在两个不同的 html 标签之间获取文本 python beautifulsoup

Question

我想知道是否有可能通过 python 中的 beautifulsoup 包在两个完全不同的文本之间获取标签。 我已经试过了：

g = soup.find_all(["dtposted"])
for tag in g:
    print(tag)

<dtposted>2020<trnamt>10<fitid>202010<name>RESTAURANT</name></fitid></trnamt></dtposted>

我希望能够分别获取 dtposted、trnamt、fitid 和 name 之间的文本。 当我寻找下一个兄弟时，它返回 None，如果我寻找一个特定的标签，它不会给我两个标签之间的文本，而是整个字符串：

for tag in g:
    print(tag.find_all("tnramt")

<trnamt>10<fitid>202010<name>RESTAURANT</name></fitid></trnamt></dtposted>

如果有办法分别获得 2020、10、202010 和 RESTAURANT，那就太好了。

Answer 1

见下文（使用 XML 解析）

import xml.etree.ElementTree as ET

xml = '''
<dtposted>
   2020
   <trnamt>
      10
      <fitid>
         202010
         <name>RESTAURANT</name>
      </fitid>
   </trnamt>
</dtposted>'''

root = ET.fromstring(xml)
print(root.text.strip())
print(root.find('.//trnamt').text.strip())
print(root.find('.//fitid').text.strip())
print(root.find('.//name').text.strip())

输出

2020
10
202010
RESTAURANT

Answer 2

这将为您提供一个列表：

import re

variable = "<trnamt>10<fitid>202010<name>RESTAURANT</name></fitid></trnamt></dtposted>"
text = []
def tostring(html):
    removedhtml = re.compile('<.*?>')
    items = re.sub(removedhtml, ',', html)
    items = items.split(",")
    for item in items: 
        if item.strip(): 
            text.append(item)
    return text

print ((tostring(variable)))

输出

['10', '202010', 'RESTAURANT']