如何在HTML中提取元素的内容？

Question

这是我使用soup.findAll

myAdds = soup.findAll("div", {"class" : "data"}) 

<div class="data"> 
    <img src="/page1/page2/Images/pic.png" height="13" width="13"> 
    &nbsp; SOME_TEXT 
    </img> 
</div> 

提取固定的HTML内容现在，我只想

SOME_TEXT 

为我的最终结果。我不想从class =“data”中获取tag和 元素。 我尝试使用替换方法，但它没有奏效。我怎样才能得到想要的结果？

Answer 1

你想使用Tag.next_sibling这里，从所包含的图片标签：

>>> soup.find('div', class_='data').img.next_sibling 
u'\n \xa0 SOME_TEXT\n' 

在这种情况下，有没有出现在你的标签任何其他文字反正;您不妨使用Tag.get_text()方法：

>>> soup.find('div', class_='data').get_text() 
u'\n\n \xa0 SOME_TEXT\n' 

如果你有HTML与包含在的文本<img/>标签，那么这就是破HTML和不同的解析器将不同的处理这个问题：

>>> sample = '''\ 
... <div class="data"> 
... <img src="/page1/page2/Images/pic.png" height="13" width="13"> 
... &nbsp; SOME_TEXT 
... </img> 
... </div> 
... ''' 
>>> soup = BeautifulSoup(sample, 'html.parser') 
>>> soup.div 
<div class="data"> 
<img height="13" src="/page1/page2/Images/pic.png" width="13"> 
      SOME_TEXT 
    </img> 
</div> 
>>> soup = BeautifulSoup(sample, 'lxml') 
>>> soup.div 
<div class="data"> 
<img height="13" src="/page1/page2/Images/pic.png" width="13"/> 
      SOME_TEXT 

</div> 
>>> soup = BeautifulSoup(sample, 'html.parser') 
>>> soup.div 
<div class="data"> 
<img height="13" src="/page1/page2/Images/pic.png" width="13"> 
      SOME_TEXT 
    </img> 
</div> 

在所有这些情况下，Tag.get_text()都可以使用。

Answer 2

abc=""" 
<div class="data"> 
    <img src="/page1/page2/Images/pic.png" height="13" width="13"> 
    &nbsp; SOME_TEXT 
</div> """ 


from BeautifulSoup import BeautifulSoup as BS 
s=BS(abc,convertEntities=BS.HTML_ENTITIES) 
s.text 

u'SOME_TEXT' 

Answer 3

from BeautifulSoup import BeautifulSoup 

VAR =""" 
<div class="data"> 
    <img src="/page1/page2/Images/pic.png" height="13" width="13"> 
    &nbsp; SOME_TEXT 
</div> 
""" 
myAdds = BeautifulSoup(VAR,convertEntities=BeautifulSoup.HTML_ENTITIES) 
print myAdds.text