python美化组提取文本

我正试图从下面的html源代码中提取

Manufacturer#

和

PAW11295

，结果卡住了。感谢您的建议

soupTest.find("div",id = "AddnInfo")
Out[121]: 
<div id="AddnInfo">
<h3>Additional Info</h3>
<p>
<p class="sknText"><label>“R”Web#:</label> <span class="value">215904</span>   </p>
<p class="skuText"><label>SKU:</label> <span class="value">B7958C02</span>    </p>
<p class="upc"><label>UPC/EAN/ISBN:</label> <span class="value">092317112958</span></p>
<p><label>Manufacturer #:</label> PAW11295</p>
<p><label>Product Weight:</label>2.2 pounds</p>
<p><label>Product Dimensions (in inches):</label>12.7 x 10.1 x 5.4</p>
</p>
</div>

soupTest.find（“div”，id=“AddnInfo”）
出[121]：
附加信息

“R”网站：215904
SKU:B7958C02

upc/EAN/ISBN:092317112958

制造商#：PAW11295

产品重量：2.2磅

产品尺寸（英寸）：12.7 x 10.1 x 5.4

---

提前谢谢。

我想你想要这样的东西。 首先选择外部P标记。然后选择所有内部P标记。然后引用所需的单个P标记，在本例中是第四个

infoDiv = soupTest.find("div",id = "AddnInfo")
outerPs = infoDiv.p  # isolate the outer <P>
innerPs = outerPs.find_all('p')  # returns a list of the inner <P>s
manufacturer_number = innerPs[3].string  # you will have to trim the <label>
manufacturer_code = innerPs[3].label.string  # will need trimming

infoDiv=soupTest.find（“div”，id=“AddnInfo”）
outerPs=infoDiv.p#隔离外部
innerPs=outerPs.find_all（'p'）#返回内部s的列表
制造商编号=innerPs[3]。字符串#您必须修剪
制造商代码=innerPs[3]。label.string需要修剪

我想你想要这样的东西。 首先选择外部P标记。然后选择所有内部P标记。然后引用所需的单个P标记，在本例中是第四个

infoDiv = soupTest.find("div",id = "AddnInfo")
outerPs = infoDiv.p  # isolate the outer <P>
innerPs = outerPs.find_all('p')  # returns a list of the inner <P>s
manufacturer_number = innerPs[3].string  # you will have to trim the <label>
manufacturer_code = innerPs[3].label.string  # will need trimming

infoDiv=soupTest.find（“div”，id=“AddnInfo”）
outerPs=infoDiv.p#隔离外部
innerPs=outerPs.find_all（'p'）#返回内部s的列表
制造商编号=innerPs[3]。字符串#您必须修剪
制造商代码=innerPs[3]。label.string需要修剪

以下方法应该有效。它获取第5个

元素并获取

文本。然后，它将删除该标记并显示整个

标记的剥离文本：

from bs4 import BeautifulSoup

html = """
<div id="AddnInfo">
<h3>Additional Info</h3>
<p>
<p class="sknText"><label>“R”Web#:</label> <span class="value">215904</span>   </p>
<p class="skuText"><label>SKU:</label> <span class="value">B7958C02</span>    </p>
<p class="upc"><label>UPC/EAN/ISBN:</label> <span class="value">092317112958</span></p>
<p><label>Manufacturer #:</label> PAW11295</p>
<p><label>Product Weight:</label>2.2 pounds</p>
<p><label>Product Dimensions (in inches):</label>12.7 x 10.1 x 5.4</p>
</p>
</div>
"""

soup = BeautifulSoup(html)
div = soup.find('div', {'id':'AddnInfo'})
p = div.find_all('p')[4]
label = p.find('label')
manufacturer = label.text
label.extract()
id = p.get_text(strip=True)
print manufacturer
print id

---

以下方法应该有效。它获取第5个

元素并获取

文本。然后，它将删除该标记并显示整个

标记的剥离文本：

from bs4 import BeautifulSoup

html = """
<div id="AddnInfo">
<h3>Additional Info</h3>
<p>
<p class="sknText"><label>“R”Web#:</label> <span class="value">215904</span>   </p>
<p class="skuText"><label>SKU:</label> <span class="value">B7958C02</span>    </p>
<p class="upc"><label>UPC/EAN/ISBN:</label> <span class="value">092317112958</span></p>
<p><label>Manufacturer #:</label> PAW11295</p>
<p><label>Product Weight:</label>2.2 pounds</p>
<p><label>Product Dimensions (in inches):</label>12.7 x 10.1 x 5.4</p>
</p>
</div>
"""

soup = BeautifulSoup(html)
div = soup.find('div', {'id':'AddnInfo'})
p = div.find_all('p')[4]
label = p.find('label')
manufacturer = label.text
label.extract()
id = p.get_text(strip=True)
print manufacturer
print id

---

好吧，你觉得怎么样？你在哪里被卡住了？好吧，你觉得怎么样？“你被卡在哪里了？谢谢，”马丁说。它起作用了。我很好奇为什么在

label.extract（）

之后，

p

变成了

PAW11295

，并且无法将它带回

制造商：PAW11295

？我查看了office文档，但仍然感到困惑。

extract（）

删除标记，就像删除命令一样。如果你需要保留html，你可以在做这件事之前复制一份。明白了。再次感谢！谢谢，马丁。它起作用了。我很好奇为什么在

label.extract（）

之后，

p

变成了

PAW11295

，并且无法将它带回

制造商：PAW11295

？我查看了office文档，但仍然感到困惑。

extract（）

删除标记，就像删除命令一样。如果需要保留html，可以在执行此操作之前制作一个副本。明白了。再次感谢！