美丽汤 - 打印容器的文本而不打印子元素的文本

Question

美丽汤 - 打印容器的文本而不打印子元素的文本

4

如何仅选择容器内的文本，而不获取子元素的文本？例如，如何选择下面HTML中的文本Toshiba Satellite Pro C850-1GR Satellite Pro, 1.8 GHz

我的尝试

short_description=soup.find('div',{'class':'info-item description product-short-desc c_both'}).text
print short_description

HTML

<div id="product-short-summary-wrap">
<b class="tip-anchor tip-anchor-wrap">Short summary description Toshiba Satellite Pro C850-1GR</b>ev
:
<br/>
<div class="tooltip-text">This short summary of the data-sheet.</div>
 Toshiba Satellite Pro C850-1GR Satellite Pro, 1.8 GHz
</div>

- Ninja2k

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- 4d4c · Accepted Answer

选择上面的 div 元素并使用 nextSibling：

from bs4 import BeautifulSoup

html = '<div id="product-short-summary-wrap">\
<b class="tip-anchor tip-anchor-wrap">Short summary description Toshiba Satellite Pro C850-1GR</b>ev\
:\
<br/>\
<div class="tooltip-text">This short summary of the data-sheet.</div>\
 Toshiba Satellite Pro C850-1GR Satellite Pro, 1.8 GHz\
</div>'

soup = BeautifulSoup(html)

text = soup.find("div", {"class":"tooltip-text"})
print text.nextSibling.string

输出：

Toshiba Satellite Pro C850-1GR Satellite Pro, 1.8 GHz

如果div中有这个数据表的简短摘要，那么你可以尝试以下方法：

from bs4 import BeautifulSoup

html = '<div id="product-short-summary-wrap">\
<b class="tip-anchor tip-anchor-wrap">Short summary description Toshiba Satellite Pro C850-1GR</b>ev\
:\
<br/>\
<div class="tooltip-text">This short summary of the data-sheet.</div>\
 Toshiba Satellite Pro C850-1GR Satellite Pro, 1.8 GHz\
</div>'

soup = BeautifulSoup(html)

text = soup.find("div", {"class":"tooltip-text"})
if "This short summary of the data-sheet." in text.string:
        print text.nextSibling.string

输出：

Toshiba Satellite Pro C850-1GR Satellite Pro, 1.8 GHz

我认为你在PasteBin中发布了错误的HTML代码，但我找到了你想要爬取的网站。我不确定具体是哪个页面，所以这是我找到并完成的内容。如果你访问这个页面，你可以在其中找到与你问题中相同的HTML部分。我提取文本的代码如下：

import urllib2
from bs4 import BeautifulSoup

url = "http://icecat.biz/p/toshiba/pscbxe-01t01gfr/satellite-pro-notebooks-4051528036589-C8501GR-17411822.html"
html = urllib2.urlopen(url)

soup = BeautifulSoup(html)

texts = soup.findAll("div", {"class":"tooltip-text"})
for text in texts:
    if text.string:
        if "This short summary of the" in text.string:
            print text.nextSibling.string.strip()

输出：

Toshiba C850-1GR Satellite Pro, 1.8 GHz, Intel Celeron, 1000M, 4 GB, DDR3-SDRAM, 1600 MHz

同样的东西，只是不同的URL，输出结果如下：

Intel H2312WPFJR, Socket R (2011), Intel, Xeon, 2048 GB, DDR3-SDRAM, 2048 GB

如果需要，你可以在找到它后拆分字符串。