我尝试提取这部分文本，但我不知道该怎么做，我正在本地处理几个 html 文件。
<HTML><HEAD><STYLE>SOME STYLE CODE</STYLE></HEAD><META http-equiv=Content-Type content="text/html; charset=utf-8">
<BODY>
<H1>SOME TEXT I DONT WANT</H1>
THIS TEXT IS WHICH I WANT
<H1>ANOTHER TEXT I DONT WANT</H1>
ANOTHER TEXT THAT I WANT
[.. Continues ..]
</BODY></HTML>感谢您的帮助
编辑:我尝试过使用此代码，但有时会打印 h1 标签
import glob
from bs4 import BeautifulSoup
for file in glob.glob('Logs/Key*.html'):
with open(file) as f:
htmlfile = f.read()
soup = BeautifulSoup(htmlfile, 'html.parser')
c = soup.find('body').findAll()
for i in c:
print i.nextSibling
编辑2:实际上问题是html文件只有一行，所以当我尝试用这个html运行该代码时，还会打印h1标签:
from bs4 import BeautifulSoup
htmlfile = '<HTML><HEAD><STYLE>SOME STYLE CODE</STYLE></HEAD><META http-equiv=Content-Type content="text/html; charset=utf-8"><BODY><H1>SHIT</H1>WANTED<H1>SHIT</H1><H1>SHIT</H1>WANTED<H1>SHIT</H1>WANTED<H1>SHIT</H1>WANTED</BODY><HTML>'
soup = BeautifulSoup(htmlfile, 'html.parser')
c = soup.find('body').findAll()
for i in c:
print i.nextSibling
打印:
WANTED
<h1>SHIT</h1>
WANTED
WANTED
WANTED
最佳答案
现在您可以将 HTML_TEXT 作为从废弃 URL 中获得的 html。
y = BeautifulSoup(HTML_TEXT)
c = y.find('body').findAll(text=True, recursive=False)
for i in c:
print i
关于python - 使用 Beautifulsoup Python 提取没有 HTML 标签的文本，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38859271/