Python 从HTML中提取字符串

我有以下要点：

<div class="column4">
        Unlimited Subscription<br/> Discount for Monthly <br/> Total Amount
    </div>

从bs4导入美化组
html_doc=“”
无限制订阅
每月总金额的折扣

"""
soup=BeautifulSoup（html_doc，'html.parser'）
soup.find（“div”）.text.strip（）

要获取单个字符串，您可以获取

div

元素的

子元素

，并按其类型对其进行过滤

>>> bs = bs4.BeautifulSoup(html)
>>> div = bs.find(attrs={"class":"column4"})
>>> [c.strip() for c in div.children if type(c) is bs4.element.NavigableString]
['Unlimited Subscription', 'Discount for Monthly', 'Total Amount']

或者更短，使用

div.strings

（或者如果您不想

string

，只使用

div.strings

）：

---

如果您希望按照上面所示的方式获得输出，则可以遵循以下内容：

from bs4 import BeautifulSoup

html_elem ="""
<div class="column4">
    Unlimited Subscription<br/> Discount for Monthly <br/> Total Amount
</div>
"""
soup = BeautifulSoup(html_elem, 'lxml')
for item in soup.select(".column4"):
    for data in item.select("br"):data.replace_with("\n")
    print(item.text.strip())

---

这不是正确的方法，因为html页面可能包含多个

标记。如果看不到整个html代码，则无法回答此问题。即使在投票结果向上的答案中，作者也检查了属性，这些属性可以在许多

标签中重复。是的，我理解，但如果你看到@tobias_k的答案，他已经使用

class

属性找到了精确的匹配。由于

class

属性是带有标记的

唯一的

，因此它是正确的。我想说的是，即使这两个目的都是为了找到标签

div

如何使用逻辑来找到严格匹配的问题。非常感谢，这很有帮助。我必须更加努力学习，不要问这样的问题）

>>> bs = bs4.BeautifulSoup(html)
>>> div = bs.find(attrs={"class":"column4"})
>>> [c.strip() for c in div.children if type(c) is bs4.element.NavigableString]
['Unlimited Subscription', 'Discount for Monthly', 'Total Amount']

>>> list(div.stripped_strings)
['Unlimited Subscription', 'Discount for Monthly', 'Total Amount']

from bs4 import BeautifulSoup

html_elem ="""
<div class="column4">
    Unlimited Subscription<br/> Discount for Monthly <br/> Total Amount
</div>
"""
soup = BeautifulSoup(html_elem, 'lxml')
for item in soup.select(".column4"):
    for data in item.select("br"):data.replace_with("\n")
    print(item.text.strip())

Unlimited Subscription
Discount for Monthly 
Total Amount