BS4 如何在不使用 .text 的情况下获取文本？

Question

这是来自网站的源代码布局：

<div class="address">
    <a href="https://website.ca/classifieds/59-barclay-street/">
        59 Some Street<br />City, Zone 1
    </a>
</div>

我想获取 Google 地理编码的街道号码、路线和城市。如果我这样做

>>>article.find('div', {'class': 'address'}).text
'59 Some StreetCity, Zone 1'

它带走了 <br />，我无法从城市中分离出路线。如果我做 str().replace('<br />',', ')，那么我必须以某种方式将它再次转换回之前的任何类型，这样我就可以做 .text 来获取 <a href> 之间的实际文本，这是低效的。我想使用 .text 用来获取实际文本的功能，但没有删除 <br> 内容的功能。我在我的环境中找不到名为 BeautifulSoup.py 的文件，所以我正在查看 GitHub 上的 BeautifulSoup 源代码，但我找不到 def text在那里，我不知道还能去哪里看。

更新：

articles = page_soup.find('h2', text='Ads').find_next_siblings('article')
for article in articles:
    link = article.find('a')
    br = link.find('br')
    ad_address = br.previous_sibling.strip() + ', ' + br.next_sibling.strip().partition(', Zone ')[0]
    #ad_address = link.br.replace_with(', ').get_text().strip().partition(', Zone ')

Answer 1

您可以找到 br 分隔符标记并在其周围获取 siblings：

In [4]: br = soup.select_one("div.address > a > br")

In [5]: br.previous_sibling.strip()
Out[5]: u'59 Some Street'

In [6]: br.next_sibling.strip()
Out[6]: u'City, Zone 1'

您还可以找到 br 元素并使用 replace_with() 将其替换为 space:

In [4]: a = soup.select_one("div.address > a")
In [5]: a.br.replace_with(" ")

In [6]: a.get_text().strip()
Out[6]: u'59 Some Street City, Zone 1'

或者，您可以加入 a 标签内的所有文本节点：

In [7]: a = soup.select_one("div.address > a")
In [8]: " ".join(a.find_all(text=True)).strip()
Out[8]: u'59 Some Street City, Zone 1'

Answer 2

尝试：

soup.find('div', {'class':'address'}).get_text(separator=u"<br/>").split(u'<br/>')

separator 关键字定义了连接文本的内部 HTML。

http://omz-software.com/pythonista/docs/ios/beautifulsoup_ref.html

Answer 3

尝试：

for link_to_text in links:
   Print link_to_text.get_text()

BS4 如何在不使用 .text 的情况下获取文本？

BS4 How to get text without using .text?

html

python

beautifulsoup

html-parsing

bs4