提取<div>標簽BeautifulSoup之外的文本

Question

所以我練習刮刮，我遇到了這樣的事情：

<div class="profileDetail">
    <div class="profileLabel">Mobile : </div>
     021 427 399 
</div>

我需要<div>標簽之外的數字：

我的代碼是：

num = soup.find("div",{"class":"profileLabel"}).text

但是它的輸出是Mobile :只有它是<div>標簽內的文本而不是它之外的文本。

那么我們如何在<div>標簽之外提取文本？

Answer 1

我會創建一個可重用的函數來通過標簽獲取值，通過text查找標簽並獲取下一個兄弟：

import re

def find_by_label(soup, label):
    return soup.find("div", text=re.compile(label)).next_sibling

用法：

find_by_label(soup, "Mobile").strip()  # prints "021 427 399"

Answer 2

嘗試使用soup.find("div",{"class":"profileLabel"}).next_sibling ，這將獲取下一個元素，可以是bs4.Tag或bs4.NavigableString 。

bs4.NavigableString是你在這種情況下嘗試獲得的。

elem = soup.find("div",{"class":"profileLabel"}).next_sibling
print type(elem)

# Should return
bs4.element.NavigableString

例：

In [4]: s = bs4.BeautifulSoup('<div> Hello </div>HiThere<p>next_items</p>', 'html5lib')

In [5]: s
Out[5]: <html><head></head><body><div> Hello </div>HiThere<p>next_items</p></body></html>

In [6]: s.div
Out[6]: <div> Hello </div>

In [7]: s.div.next_sibling
Out[7]: u'HiThere'

In [8]: type(s.div.next_sibling)
Out[8]: bs4.element.NavigableString

提取<div>標簽BeautifulSoup之外的文本

問題描述

2 個解決方案

解決方案1
4 已采納 2015-07-30 18:25:08

解決方案2
1 2015-07-30 18:20:49

例：

提取<div>標簽BeautifulSoup之外的文本

問題描述

2 個解決方案

解決方案1 4 已采納 2015-07-30 18:25:08

解決方案2 1 2015-07-30 18:20:49

例：

解決方案1
4 已采納 2015-07-30 18:25:08

解決方案2
1 2015-07-30 18:20:49