python - 美丽汤 4 + python : string returns 'None'

Question

我试图用 BeautifulSoup4 和 Python 2.7.6 解析一些 html，但字符串返回“None”。我试图解析的 HTML 是:

<div class="booker-booking">
    2&nbsp;rooms
    &#0183;
    USD&nbsp;0
    <!-- Commission: USD  -->
</div>

我的Python代码片段是:

 data = soup.find('div', class_='booker-booking').string

我还尝试了以下两种:

data = soup.find('div', class_='booker-booking').text
data = soup.find('div', class_='booker-booking').contents[0]

两者都返回:

u'\n\t\t2\xa0rooms \n\t\t\xb7\n\t\tUSD\xa00\n\t\t\n

我最终试图将第一行放入一个仅表示“2 Rooms”的变量中，将第三行放入另一个仅表示“USD 0”的变量中。

Answer 1

.string 返回 None，因为文本节点不是唯一的子节点(有注释)。

from bs4 import BeautifulSoup, Comment

soup = BeautifulSoup(html)
div = soup.find('div', 'booker-booking')
# remove comments
text = " ".join(div.find_all(text=lambda t: not isinstance(t, Comment)))
# -> u'\n    2\xa0rooms\n    \xb7\n    USD\xa00\n     \n'

要删除 Unicode 空白:

text = " ".join(text.split())
# -> u'2 rooms \xb7 USD 0'
print text
# -> 2 rooms · USD 0

获取最终变量:

var1, var2 = [s.strip() for s in text.split(u"\xb7")]
# -> u'2 rooms', u'USD 0'