html - 我如何在忽略内部下一个类的文本的同时获取类中的文本

Question

我正在尝试获取 class="hardfact"中的文本，但同时也获取了 class="hardfactlabel color_f_03"的文本，因为此类位于 hardfact 中。

.text.strip() 获取两个类的文本，因为它们是嵌套的。

from bs4 import BeautifulSoup as soup
from urllib.request import urlopen as uReq
import requests
import lxml

my_url = 'https://www.immowelt.de/expose/2QC5D4A?npv=52'

page = requests.get(my_url)
ct = soup(page.text, 'lxml')

specs = ct.find('div', class_="hardfacts clear").findAll('div', class_="hardfact")
for items in specs:
    e = items.text.strip()
    print(e)

我明白了

82.500 欧元

                                    Kaufpreis

47 平方米

                                    Wohnfläche (ca.)

1

                                    Zimmer

我想要这个

82.500 欧元

47 平方米

1

Answer 1

这是您要抓取的 html 内容:

<div class="hardfact ">
  <strong>82.500 €&nbsp;</strong>                                    
  <div class="hardfactlabel color_f_03">
    Kaufpreis      
  </div>
</div>

<div class="hardfact ">
  47 m²                                    
  <div class="hardfactlabel color_f_03">
    Wohnfläche (ca.)
  </div>
</div>

<div class="hardfact rooms">
  1                                    
  <div class="hardfactlabel color_f_03">
    Zimmer
  </div>
</div>

你想要实现的是去掉里面的div标签，这样你就可以分解div了:

for items in specs:
  items.div.decompose()
  e = items.text.strip()
print(e)

如果你的第一个“hardfact”类不包含“strong”标签，你可以像这样找到第一个元素

e = items.find().text.strip()

但是我们不能这样做所以你必须分解div标签。