我正在使用 python + beautifulsoup 来尝试获取 br 之间的文本。我最接近的方法是按以下方式使用 next_sibling:
<html>
<body>
</a><span class="strong">Title1</span>
<p>Text1</p>
<br>The Text I want to get<br>
<p>Text I dont want</p>
</body>
</html>
for span in soup.findAll("span", {"class" : "strong"}):
print(span.next_sibling.next_sibling.text)
但是这会打印:
The Text I want to getText I dont want
所以我想要的是在第一个 p 之后，但在第二个 p 之前，但我不知道如何在没有真正标签的情况下提取，而只有 br 作为引用。
我需要它来打印:
The Text I want to get
最佳答案
由于您提供的 HTML 已损坏，因此行为将不同于 parser to parser BeautifulSoup 使用的。
如果是lxml parser ，BeautifulSoup 会将 br 标签转换为自闭合标签:
>>> soup = BeautifulSoup(data, 'lxml')
>>> print soup
<html>
<body>
<span class="strong">Title1</span>
<p>Text1</p>
<br/>The Text I want to get<br/>
<p>Text I dont want</p>
</body>
</html>
请注意，您需要 lxml待安装。如果您可以的话 - 找到 br 并获取下一个同级:
from bs4 import BeautifulSoup
data = """your HTML"""
soup = BeautifulSoup(data, 'lxml')
print(soup.br.next_sibling) # prints "The Text I want to get"
另请参阅:
关于python - 使用 beautifulsoup 提取 <br> 之间的文本，但没有下一个标签，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/27814602/