仅从此元素提取文本，而不从其子元素提取文本

71

我只想从汤中最上面的元素中提取文本；但是汤.text也会给出所有子元素的文本：

我有

import BeautifulSoup
soup=BeautifulSoup.BeautifulSoup('<html>yes<b>no</b></html>')
print soup.text

输出为yesno。我只想“是”。

实现此目标的最佳方法是什么？

编辑：我也想yes在解析' <html><b>no</b>yes</html>'时输出。

— 龙
source

BeautifulSOAP已被删除。要仅在bs4中获取当前元素的文本，请参阅此处的

— Aquaman

70

那又如何.find(text=True)呢？

>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').find(text=True)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').find(text=True)
u'no'

编辑：

我想我已经了解了你现在想要的。尝试这个：

>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').html.find(text=True, recursive=False)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').html.find(text=True, recursive=False)
u'yes'

— 博博
source

在第二种情况下（其中no，仍然在b标签中的标签排在最前面），我仍然希望输出为yes。

— 龙

@jbochi对此不起作用<h2><a aria-expanded="false" aria-owns="faqGen5" href="#">Is <span class="nobreak">XFINITY WiFi</span> secure?</a></h2>。我需要Is secure?的find(text=True)

— Vishnudev

29

您可以使用内容

>>> print soup.html.contents[0]
yes

或要获取html下的所有文本，请使用findAll（text = True，recursive = False）

>>> soup = BeautifulSoup.BeautifulSOAP('<html>x<b>no</b>yes</html>')
>>> soup.html.findAll(text=True, recursive=False) 
[u'x', u'yes']

以上连接形成单个字符串

>>> ''.join(soup.html.findAll(text=True, recursive=False)) 
u'xyes'

— 底格里斯
source

Kinda可以工作，但可悲的是，当html反转时，它没有帮助：<html><b>no</b>yes</html>。我想我可以遍历所有内容以查找不是标签的片段。

— 龙

12

这在bs4中对我有效：

import bs4
node = bs4.BeautifulSoup('<html><div>A<span>B</span>C</div></html>').find('div')
print "".join([t for t in node.contents if type(t)==bs4.element.NavigableString])

输出：

AC

— 霍斯特·米勒
source

2

您可能需要研究lxml的soupparser模块，该模块支持XPath：

>>> from lxml.html.soupparser import fromstring
>>> s1 = '<html>yes<b>no</b></html>'
>>> s2 = '<html><b>no</b>yes</html>'
>>> soup1 = fromstring(s1)
>>> soup2 = fromstring(s2)
>>> soup1.xpath("text()")
['yes']
>>> soup2.xpath("text()")
['yes']

— z
source