代码之家 › 专栏 › 技术社区 › Mohamed Thasin ah

如何在beautiful soup中提取文本直到<br>标记

html-parsing beautifulsoup python

Mohamed Thasin ah · 技术社区 · 6 年前

我想从div提取到 <br> 标签。如何做到这一点,

<div class="content-cell mdl-cell mdl-cell--6-col mdl-typography--body-1">Watched a video that has been removed<br>Aug 17, 2018, 2:34:28 PM UTC</div>

我用过这个,

print  content.text

它输出,

Watched a video that has been removedAug 17, 2018, 2:34:28 PM UTC

但预期产出是, 观看了已删除的视频

之后我不想再发短信了 <br>

更何况要特别追查 < 我可以试试这个,

content.find('br').text

现在我想做下面的事

result= (content.find('br').text).replace((content.find('br').text),'')

有没有其他更好的方法来避免我使用beautifulsoup的额外字符串替换方法?

1 回复 | 直到 6 年前

Giorgos Myrianthous 6 年前

from bs4 import BeautifulSoup

html="""<div class="content-cell mdl-cell mdl-cell--6-col mdl-typography--body-1">Watched a video that has been removed<br>Aug 17, 2018, 2:34:28 PM UTC</div>"""
soup = BeautifulSoup(html)
print(soup.find("div").contents[0])

输出应为:

Watched a video that has been removed

推荐文章

yash agarwal · Python Selenium-如何基于span标记内的文本提取元素?

3 年前

Amar · 漂亮汤错误:“NoneType”对象没有属性“find\u all”

3 年前

ihonestlydontKnow · Python(BeautifulSoup)仅1个结果

3 年前

ARH · 如何使用Selenium识别网站中使用的所有标签

3 年前

Kevin Rodgers Jr. · Python BeautifulSoup:在in select语句中排除其他标记

3 年前

Jensen Holm · 在非常大的字符串中查找链接时遇到问题

3 年前

koshiboto · 使用python(bs4)从段落中获取第一个不位于括号之间的常规链接

3 年前

LaddieMawery · Beautifulsoup获取嵌套跨元素时遇到问题

3 年前

Ventorro · Python和Web抓取的新手。抓取一个HTML表格——但是它并没有显示所有的列

3 年前

aphexlog · 正在尝试使用BeautifulSoup将新行附加到表体中的第一行

3 年前