python - 使用 BeautifulSoup 在第一个子标签之前提取文本

Question

来自这个 html 源:

<div class="category_link">
  Category:
  <a href="/category/personal">Personal</a>
</div>

我想提取文本 Category:

这是我使用 Python/BeautifulSoup 的尝试(输出作为注释 - 在 # 之后)

parsed = BeautifulSoup(sample_html)
parsed_div = parsed.findAll('div')[0]
parsed_div.firstText() # <a href="/category/personal">Personal</a>
parsed_div.first() # <a href="/category/personal">Personal</a>
parsed_div.findAll()[0] # <a href="/category/personal">Personal</a>

我希望“文本节点”作为第一个子节点可用。关于如何解决这个问题有什么建议吗？

Answer 1

我相当确定以下内容应该可以满足您的需求

parsed.find('a').previousSibling # or something like that

这将返回一个几乎相同的 NavigableString 实例 作为 unicode 实例的东西，但你可以调用 unicode 来获得 unicode 对象。

我会看看是否可以对此进行测试，然后让您知道。

编辑:我刚刚确认它有效:

>>> from BeautifulSoup import BeautifulSoup
>>> soup = BeautifulSoup('<div class=a>Category: <a href="/">a link</a></div>')
>>> soup.find('a')
<a href="/">a link</a>
>>> soup.find('a').previousSibling
u'Category: '
>>>