python - Beautiful Soup - 从 HTML 文件中取出类

Question

我有一个 HTML 文件，我想从这个 block 中获取文本，如下所示:

 <strong class="fullname js-action-profile-name">User Name</strong>
    <span>&rlm;</span>
    <span class="username js-action-profile-name"><s>@</s><b>UserName</b></span>

我希望它显示为:

User Name
@UserName

我如何使用 Beautiful Soup 做到这一点？

Answer 1

使用“文本”属性。示例:

>>> b = BeautifulSoup.BeautifulStoneSoup(open('/tmp/x.html'), convertEntities=BeautifulSoup.BeautifulStoneSoup.HTML_ENTITIES)

>>> print b.find(attrs={"id": "container"}).text
User Name‏@UserName

在 x.html 中，我有一个包含您提供的 html 的 div，其 ID 为“container”。请注意，我使用 BeautifulStoneSoup 将 转换为\u200f。要插入换行符(浏览器不会引入)，只需将 u'\u200f' 替换为 '\n'。