BeautifulSoup-在一个类中提取文本 [英] BeautifulSoup - extracting texts within one class

问题描述

我正尝试从下面的此网页中提取文本:

I'm trying to extract texts from this webpage below:

<div class="MYCLASS">Category1: <a id=category1 href="SomeURL" >
Text1 I want</a> &gt; Category2: <a href="SomeURL" >Text2 I want</a></div>

我尝试过:

for div in soup.find_all('div', class_='MYCLASS'):
    for url in soup.find_all('a', id='category1'):
        print(url)

它返回:

    <a href="someURL" id="category1">Text1 I want</a>

所以我分割了文字...

So I split the text...

    for div in soup.find_all('div', class_='MYCLASS'):
        for url in soup.find_all('a', id='category1'):
            category1 = str(url).split('category1">')[1].split('</a>')[0]
            print(category1)

并提取了我想要的Text1"，但仍然错过了我想要的Text2".任何想法?谢谢.

and extracted "Text1 I want", but still miss "Text2 I want". Any idea? Thank you.

还有其他<a></a>中的源代码，因此，如果我从代码中删除 id = ，它将返回我不需要的所有其他文本.例如，

There are other < a> < /a> in the source code, so if I remove id= from my code, it would return all other texts that I don't need. For examples,

<div class="MYClass"><span class="Class">RandomText.<br>RandomText.<br>
<a href=someURL>RandomTextExtracted.</a><br>

还

</div><div class=MYClass>
<a href="SomeURL>RandomTextExtracted</a>

推荐答案

由于元素的 id 是唯一的，因此您可以找到第一个< a> 标记使用 id ="category1" .要查找下一个< a> 标记，可以使用

Since the id of an element is unique, you can find the first <a> tag using id="category1". To find the next <a> tag, you can use find_next() method.

html = '''<div class="MYCLASS">Category1: <a id=category1 href="SomeURL" >Text1 I want</a> &gt; Category2: <a href="SomeURL" >Text2 I want</a></div>'''
soup = BeautifulSoup(html, 'lxml')

a_tag1 = soup.find('a', id='category1')
print(a_tag1)    # or use `a_tag1.text` to get the text
a_tag2 = a_tag1.find_next('a')
print(a_tag2)

输出:

<a href="SomeURL" id="category1">Text1 I want</a>
<a href="SomeURL">Text2 I want</a>

^{(我已经对其提供的链接进行了测试，并且也可以在其中使用.)}

这篇关于BeautifulSoup-在一个类中提取文本的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！