代码之家 › 专栏 › 技术社区 › user8188893

使用BeautifulSoup提取HTML注释中标记内的文本

text-extraction beautifulsoup web-scraping python-3.x

user8188893 · 技术社区 · 8 年前

我想在没有列表标记的注释中提取列表元素中的文本。但我无法使用下面的代码。

from bs4 import BeautifulSoup, Comment


html = """
<html>
<body>
<!--
  <ul>
     <li>10</li>
     <li>20</li>
     <li>30</li>
     </ul>
 -->

</body>
</html>
"""
soup = BeautifulSoup(html, 'html.parser')

for numbers in soup.findAll(text=lambda text:isinstance(text, Comment)):
    print(numbers.extract())

结果是:

<ul>
<li>10</li>
<li>20</li>
<li>30</li>
</ul>

预期结果:

10
20
30

2 回复 | 直到 8 年前

SIM 8 年前

尝试以下方法。它会给你带来你想要的结果。

from bs4 import BeautifulSoup, Comment

html = """
<html>
<body>
<!--
  <ul>
     <li>10</li>
     <li>20</li>
     <li>30</li>
     </ul>
 -->

</body>
</html>
"""
soup = BeautifulSoup(html, 'html.parser')

for item in soup.find_all(text=lambda text:isinstance(text, Comment)):
    data = BeautifulSoup(item,"html.parser")
    for number in data.find_all("li"):
        print(number.text)

输出:

10
20
30

gout 8 年前

查找所有“li”,只打印文本。

for tag in soup.find_all("li"):
        print(tag.text))

推荐文章

Dinosaur · 使用BeautifulSoup点击div标签后抓取html页面

1 年前

Stackie · 无法使用Selenium访问废料数据的链接

1 年前

Avraham · 如何在JS中将beautifulsoup中的文本设置为.innerText而非.textContent

1 年前

Rayan CH TFG · 需要解释Python中的web抓取lambda函数

2 年前

hyoni · 使用Python BeautifulSoup进行网页抓取

2 年前

Canberra · 从网站上删除纬度和经度

2 年前

zero · bs4方法访问维基百科页面:获取信息框

2 年前

Oscar Tarrago · Beautiful Soup“.fund”无法从windows终端运行

2 年前

knowledge_seeker · 无法解析从Python中的HTML标记中的属性获得的JSON字符串

2 年前

Reonard1 · Web报废中的AttributeError

2 年前