Python 刮除跨距内的文本，取消选择“美化”组

如何从下面的

&

中提取文本

<div class="arabic_hadith_full arabic"><span class="arabic_sanad arabic">حَدَّثَنَا أَبُو الْيَمَانِ، قَالَ أَخْبَرَنَا شُعَيْبٌ، قَالَ حَدَّثَنَا أَبُو الزِّنَادِ، عَنِ الأَعْرَجِ، عَنْ أَبِي هُرَيْرَةَ ـ رضى الله عنه ـ أَنَّ رَسُولَ اللَّهِ صلى الله عليه وسلم قَالَ ‏</span>
<span class="arabic_text_details arabic">"‏ فَوَالَّذِي نَفْسِي بِيَدِهِ لاَ يُؤْمِنُ أَحَدُكُمْ حَتَّى أَكُونَ أَحَبَّ إِلَيْهِ مِنْ وَالِدِهِ وَوَلَدِهِ ‏"</span><span class="arabic_sanad arabic">‏‏.‏</span></div>

代码：

url = "http://www.sunnah.com/bukhari/8"

parser = etree.HTMLParser()
html   = etree.parse(url, parser)
result = etree.tostring(html.getroot(), pretty_print=True, method="html")
soup = BeautifulSoup(result) 

results = soup.findAll("div", {"class" : "actualHadithContainer"})
for result in results :
  ar = result.find("div", {"class" : "arabic_hadith_full arabic"})
  name2 = ar.get_text()
  print name2

---

请尝试将字符串转换为unicode，然后再打印：

ar = result.find("div", {"class" : "arabic_hadith_full arabic"}, text=True) #only finds those with text inside
name2 = unicode(ar.get_text(), encoding='utf-8')
print name2

---

您必须像前面指出的那样将字符串转换为unicode

 'ResultSet' object has no attribute 'get_text' 

为防止此错误，您必须检查

ar

是否具有

get_text

方法。 在旧代码中，第一个节点有文本， 您的错误是由于编码错误。 当您修复程序时，for循环将继续，您将进入一个没有文本的节点， 因此，此时不存在

get_text

方法。 像这样的方法应该会奏效：

for result in results :
  ar = result.find("div", {"class" : "arabic_hadith_full arabic"})

  if not getattr(ar, get_text):
      continue

  name2 = ar.get_text()

  print u"{}".format(name2)

---

尝试使用

打印u“{}”.format（name2）

。更多信息：我得到name2=ar.get_-text（）AttributeError:“ResultSet”对象没有属性“get_-text”我得到以下错误name2=unicode（ar.get_-text（），encoding='utf-8'）AttributeError:“ResultSet”对象没有属性“get_-text”是否包含

已完成更新。请检查它。thx，但相同的错误名称2=unicode（ar.get_text（），encoding='utf-8'）AttributeError:'NoneType'对象没有属性'get_text'，对不起，我忘了一些东西。请稍等，我现在要做伊莎祈祷：）仍然不起作用，我想我的问题是DIV里面有一个，因此它无法得到文本！！大概

for result in results :
  ar = result.find("div", {"class" : "arabic_hadith_full arabic"})

  if not getattr(ar, get_text):
      continue

  name2 = ar.get_text()

  print u"{}".format(name2)