python - 获取由标签分隔的文本/BS4

Question

如何从标签中获取文本，其中属性由
或标签分隔？例如，对于下面代码中的“Adresa:”，我试图获取地址:soup.find('strong', text = 'Adresa:')但我不知道如何在 <strong>Adresa:</strong> 之后获取文本和之前 <strong>Telefón:</strong> .

输出应该是:Adresa: Obecný úrad Nána, Madáchova 32, 943 60 Nána

代码示例如下:

<p>
<strong>Adresa:</strong>Obecný úrad Nána<br></br>Madáchova 32<br></br>943 60 Nána<br></br><br></br><strong>Telefón:</strong>036/759 70 06<br></br><strong>Fax:</strong>036/7597 007<br></br><strong>Web:</strong><a href="http://www.obecnana.sk"></a><br></br>
</p>

Answer 1

思路是通过文本找到strong标签，然后使用find_next_siblings() , 找到所有兄弟标签并在下一个 strong 标签处停止:

# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup, NavigableString

data = u"""
<p>
<strong>Adresa:</strong>Obecný úrad Nána<br></br>Madáchova 32<br></br>943 60 Nána<br></br><br></br>
<strong>Telefón:</strong>036/759 70 06<br></br>
<strong>Fax:</strong>036/7597 007<br></br>
<strong>Web:</strong><a href="http://www.obecnana.sk"></a><br></br>
</p>
"""
soup = BeautifulSoup(data)

address = soup.find(text='Adresa:')
texts = []
for item in address.parent.find_next_siblings():
    if item.name == 'strong':
        break
    text_before = item.previous_sibling
    if isinstance(text_before, NavigableString):
        texts.append(text_before)

print ' '.join(texts)

它打印:

Obecný úrad Nána Madáchova 32 943 60 Nána

---

然后，您可以将代码提取到一个漂亮的可重用函数中:

def get_section_text(text):
    section = soup.find(text=text)
    if not section:
        raise ValueError("Section not found")

    texts = []
    for item in section.parent.find_next_siblings():
        if item.name == 'strong':
            break
        text_before = item.previous_sibling
        if isinstance(text_before, NavigableString):
            texts.append(text_before)

    return ' '.join(texts)

并为不同的部分调用它:

print get_section_text('Adresa:')
print get_section_text('Telefón:')
print get_section_text('Fax:')

它会打印:

Obecný úrad Nána Madáchova 32 943 60 Nána
036/759 70 06
036/7597 007

对于不存在的部分:

print get_section_text('ILLEGAL SECTION')

它引发了一个异常

ValueError: Section not found