Python 我想找一个<；span>；位于a<；h1>；包含多个<；span>；标记并获取其中的文本

我想做的是选择第二个跨距并抓取它的文本来打印它。 下面是HTML代码和BeautifulSoup代码

#HTML code

<h1 id="productTitle">
   <a href="https://www.example.com/product/">
       <span id="productBrand">BRAND</span>
   </a>
   <span>PRODUCT TITLE </span>
</h1>

---

这将获取

h1

标记中所需的所有字段：

Python代码：

from bs4 import BeautifulSoup
text = '''
<h1 id="productTitle">
   <a href="https://www.example.com/product/">
         <span id="productBrand">BRAND</span>
   </a>
         <span>PRODUCT TITLE </span>
</h1>
'''
soup = BeautifulSoup(text,features='html.parser')
#BeautifulSoup code

for h1 in soup.find_all('h1', id="productTitle"):
    spans = h1.find_all('span')
    print('productBrand  == > {}'.format(spans[0].text))
    print('productTitle  == > {}'.format(spans[1].text))

for h1 in soup.find_all('h1', id="productTitle"):
    for i,span in enumerate(h1.find_all('span')):
      print('span {} == > {}'.format(i,span.text))

演示：

---

希望，并非总是，id应该是唯一的，这意味着可能不需要查找所有的

对于bs4.7.1+，您可以使用：not排除具有id的子范围

from bs4 import BeautifulSoup as bs

html = '''<h1 id="productTitle">
   <a href="https://www.example.com/product/">
         <span id="productBrand">BRAND</span>
   </a>
         <span>PRODUCT TITLE </span>
</h1>
'''
soup = bs(html, 'lxml')
print(soup.select_one('#productTitle span:not([id])').text)

或

甚至是一个直接的兄弟组合，在子
a
a之后获得
span

print(soup.select_one('#productTitle a + span').text)

或者被锁在下一个兄弟姐妹身上

print(soup.select_one('#productTitle a').next_sibling.next_sibling.text)

print(soup.select_one('#productTitle span:nth-child(even)').text)

print(soup.select_one('#productTitle a + span').text)

print(soup.select_one('#productTitle a').next_sibling.next_sibling.text)