python-BeautifulSoup：提取不在给定标签中的文本

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-BeautifulSoup：提取不在给定标签中的文本，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1625字，纯文字阅读大概需要3分钟。

内容图文

我有以下变量,标头等于：

<p>Andrew Anglin<br/>
<strong>Daily Stormer</strong><br/>
February 11, 2017</p>

我只想从此变量中提取日期2017年2月11日.
如何在python中使用BeautifulSoup做到这一点？

解决方法:

如果您知道日期始终是header变量中的最后一个文本节点,则可以访问.contents property并获取返回列表中的最后一个元素：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, 'html.parser')
header = soup.find('p')

header.contents[-1].strip()
> February 11, 2017

或者,作为MYGz pointed out in the comments below,您可以在新行处分割文本并检索列表中的最后一个元素：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, 'html.parser')
header = soup.find('p')

header.text.split('\n')[-1]
> February 11, 2017

如果您不知道日期文本节点的位置,那么另一种选择是解析出所有匹配的字符串：

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup(html, 'html.parser')
header = soup.find('p')

re.findall(r'\w+ \d{1,2}, \d{4}', header.text)[0]
> February 11, 2017

但是,正如您的标题所暗示的那样,如果您只想检索未用element标签包裹的文本节点,则可以使用以下内容来过滤掉元素：

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup(html, 'html.parser')
header = soup.find('p')

text_nodes = [e.strip() for e in header if not e.name and e.strip()]

请记住,由于第一个文本节点未包装,这将返回以下内容：

> ['Andrew Anglin', 'February 11, 2017']

当然,您也可以结合使用最后两个选项,并在返回的文本节点中解析出日期字符串：

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup(html, 'html.parser')
header = soup.find('p')

for node in header:
    if not node.name and node.strip():
        match = re.findall(r'^\w+ \d{1,2}, \d{4}$', node.strip())
        if match:
            print(match[0])

> February 11, 2017

内容总结

以上是互联网集市为您收集整理的python-BeautifulSoup：提取不在给定标签中的文本全部内容，希望文章能够帮你解决python-BeautifulSoup：提取不在给定标签中的文本所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端