Python BeautifulSoup和HTML，带有不寻常的空格

我试图通过从网站上删除产品价格来更新产品价格。然而，我已经达到了一个不寻常的html格式，这给了我一些麻烦。我正在尝试返回没有空格的价格。目前，我的代码包含所有空格

<p class='product__price'> == $0
    <span class='visuallyhidden'>Regular price</span>
    "


             £9.99

            " == $0
</p>

但不幸的是，使用.strip（）方法不起作用，脚本返回带有大量空格和“常规价格”的价格

你知道我怎么才能拿到“9.99英镑”吗？

你应该试试这个

product_price = product_price.strip().replace("  ","")

---

这不起作用的原因是

p

元素包含两个子元素：

• 一个

  span

  元素
• 一个

  文本

  节点

当您无法在父元素

p

上

.text

时，您将删除“span”标记。除此之外，内容还包含引号，这将使

strip（）

忽略这些引号内的空格

要解决此问题，必须首先将文本内容与

span

节点隔离，可以使用

.children

跳入

span

节点

最后，您可以告诉

.strip（）

要删除哪些字符

因此，假设

p

元素内部的结构总是这样，我们可以执行以下操作：

soup = BeautifulSoup(web_page, "html.parser")

for product in soup.find_all('div', class_="product-wrapper"):
    # Get product name
    product_title = product.find('p', class_='h4 product__title').text
    # Get product price
    product_price = product.find('p', class_='product__price').text
    product_price.strip()

from bs4 import BeautifulSoup
data = """
<div>
<p class='product__price'>
    <span class='visuallyhidden'>Regular price</span>
    "


             £9.99

            "
</p>
</div>
"""

soup = BeautifulSoup(data, "html.parser")

for product in soup.find_all('div'):
    # Get product price
    product_price = product.find('p', class_='product__price')
    raw_data = list(product_price.children)[-1]

    # Remove spaces, newlines and quotes
    cleaned = raw_data.strip(' \n"')
    print(repr(cleaned))

从bs4导入美化组
data=”“”

正常价格
"
£9.99
"

"""
soup=BeautifulSoup（数据，“html.parser”）
对于汤中的产品。查找所有（'div'）：
#获得产品价格
product\u price=product.find（'p'，class='product\u price'）
原始数据=列表（产品价格子项）[-1]
#删除空格、换行符和引号
已清理=原始数据条（'\n'）
打印（报告（已清洁））

另一种方法：regex如何

从bs4导入美化组
进口稀土
html=“”
==0美元
正常价格
"
£9.99
" == $0
“”“
soup=BeautifulSoup（html，“html.parser”）
对于汤中的产品。查找所有（'div'）：
#获得产品价格
product\u price=product.find（'p'，class='product\u price'）。文本
#正则表达式
价格=重新搜索（（£\d*\？\d*）”，产品价格）
#仅当存在匹配项时打印
如果价格：打印（价格[0]）

您可以使用

内容

获取最后一个元素，然后使用“拆分字符串”

从bs4导入美化组
数据=''”
==0美元
正常价格
"
£9.99
" == $0
''
soup=BeautifulSoup（数据，'html.parser'）
项目=汤。选择一个（'.product'.price'）。内容
打印（项目[-1]。拆分（“）[1]。剥离（）

谢谢你的建议。这确实改善了情况。它删除了价格后的所有空格，但没有删除之前的空格。你知道如何删除价格前的空格以及“正常价格”文本吗？非常感谢！这非常有效。非常感谢你的帮助。也许你可以帮我回答关于这个问题的后续问题？我已经更新了我的问题，包括您的代码建议。谢谢！这确实有效。非常感谢您的帮助。当然！我该怎么做？谢谢您的帮助。正则表达式确实有效。感谢您的帮助。

from bs4 import BeautifulSoup
data='''<p class='product__price'> == $0
    <span class='visuallyhidden'>Regular price</span>
    "


             £9.99

            " == $0
</p>'''

soup=BeautifulSoup(data,'html.parser')
items=soup.select_one('.product__price').contents
print(items[-1].split('"')[1].strip())