python - 使用 beautifulsoup4 从 div 获取文本

Question

我想使用 python 和 bs4 从以下 html 代码中仅提取地名。

<div class="results-list" id="theaterlist">
 <table>
  <tr class="trspacer">
   <td>
    <a href="theater.aspx?id=4000642">
     <h2 class="placename">
      Hyde Park
      <span class="boldelement">
      Richmond Avenue 56 ls61bz
      </span>
     </h2>
    </a>

我正在使用以下代码，但我也得到了地址。

mydivs = soup.find("div", {"id": "theaterlist"})
lis = mydivs.select("a[href*=theater.aspx]")
for x in lis:
    theater = x.find('h2', class_='placename')
    print theater.text

如有任何帮助，我们将不胜感激。

Answer 1

要仅获取元素(而不是子元素)的文本，您可以使用.find(text=True):

data = """
<div class="results-list" id="theaterlist">
 <table>
  <tr class="trspacer">
   <td>
    <a href="theater.aspx?id=4000642">
     <h2 class="placename">
      Hyde Park
      <span class="boldelement">
      Richmond Avenue 56 ls61bz
      </span>
     </h2>
    </a>
"""

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'lxml')
print(soup.find('h2').find(text=True).strip())

打印:

Hyde Park