Только извлечение текста из этого элемента, а не его потомков - PullRequest
Новая
       6

Только извлечение текста из этого элемента, а не его потомков

42 голосов
/ 14 февраля 2011

Я хочу извлечь только текст из самого верхнего элемента моего супа;Однако в файле sou.text также содержится текст всех дочерних элементов:

У меня есть 

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

Выходные данные: yesno.Я просто хочу «да».

Какой лучший способ добиться этого?

Редактировать : Я также хочу, чтобы при разборе выводился yes '<html><b>no</b>yes</html>.

Ответы [ 4 ]

42 голосов
/ 14 февраля 2011

а как же .find(text=True)? 

>>> 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'

EDIT:

Мне кажется, я понял, чего ты хочешь сейчас. Попробуйте это: 

>>> 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'
19 голосов
/ 14 февраля 2011

Вы можете использовать содержимое 

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

или чтобы получить все тексты в формате HTML, используйте 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']

выше соединены в одну строку 

>>> ''.join(soup.html.findAll(text=True, recursive=False)) 
u'xyes'
11 голосов
/ 10 августа 2015

Это работает для меня в BS4: 

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])

вывод: 

AC
1 голос
/ 14 февраля 2011

Возможно, вы захотите взглянуть на модуль lxml soupparser , который поддерживает 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']
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Нет похожих вопросов

...