僅使用BeautifulSoup從html中提取除腳本標記內容之外的文本

Question

我有像這樣的HTML

<span class="age">
    Ages 15
    <span class="loc" id="loc_loads1">
     </span>
     <script>
        getCurrentLocationVal("loc_loads1",29.45218856,59.38139268,1);
     </script>
</span>

我試圖使用BeautifulSoup提取Age 15

所以我寫了如下python代碼

碼：

from bs4 import BeautifulSoup as bs
import urllib3

URL = 'html file'

http = urllib3.PoolManager()

page = http.request('GET', URL)

soup = bs(page.data, 'html.parser')
age = soup.find("span", {"class": "age"})

print(age.text)

輸出：

Age 15 getCurrentLocationVal("loc_loads1",29.45218856,59.38139268,1);

我只希望Age 15不是script標簽內的功能。 有沒有辦法只獲得文字： Age 15 ？ 或以任何方式排除script標簽的內容？

PS：腳本標簽太多，URL不同。 我不喜歡從輸出中替換文本。

Answer 1

使用.find(text=True)

EX：

from bs4 import BeautifulSoup

html = """<span class="age">
    Ages 15
    <span class="loc" id="loc_loads1">
     </span>
     <script>
        getCurrentLocationVal("loc_loads1",29.45218856,59.38139268,1);
     </script>
</span>"""

soup = BeautifulSoup(html, "html.parser")
print(soup.find("span", {"class": "age"}).find(text=True).strip())

輸出：

Ages 15

Answer 2

遲到的答案，但為了將來參考，您還可以使用decompose（）從html刪除所有script元素，即：

soup = BeautifulSoup(html, "html.parser")                  
# remove script and style elements                         
for script in soup(["script", "style"]):                   
    script.decompose()                                     
print(soup.find("span", {"class": "age"}).text.strip())    
# Ages 15