Python 隔离标题和文本

我有一段代码，它从一个页面中解析出一个div，然后找到所有的“p”标记，这些标记将有一个标题和一些文本

样本：

for fn in os.listdir('.'):
     if os.path.isfile(fn):

        url = "%s/%s" % (path, fn)
        page = open(url)
        soup = BeautifulSoup(page,'html.parser')

        soup2 = soup.find("div", {"class": "aui-field-wrapper-content"})

        print soup2.p.prettify()

        for node in soup2.findAll('p'):
                print ''.join(node.findAll(text=True)) 

<p>
 <b>
  <strong class="TooltipInline" data-toggle="tooltip" title="Molecular formula">
   Mol. formula:
  </strong>
 </b>
 C23H30O6
</p>

返回

样本：

for fn in os.listdir('.'):
     if os.path.isfile(fn):

        url = "%s/%s" % (path, fn)
        page = open(url)
        soup = BeautifulSoup(page,'html.parser')

        soup2 = soup.find("div", {"class": "aui-field-wrapper-content"})

        print soup2.p.prettify()

        for node in soup2.findAll('p'):
                print ''.join(node.findAll(text=True)) 

<p>
 <b>
  <strong class="TooltipInline" data-toggle="tooltip" title="Molecular formula">
   Mol. formula:
  </strong>
 </b>
 C23H30O6
</p>

分子式：

C23H30O6

在本例中，我想单独访问标题Mol.Formula:和当前我能够返回的文本“C23H30O6”

---

分子式：C23H30O6，但不是单个组分。我对beautiful soup非常陌生，不确定如何引用“p”标记的每个组件

您的

findAll（text=True）

方法与beautiful soup的

get_text（）

方法做的事情相同。它将获得

标记中的所有文本。如果您有一个稳定的格式，一个简单的方法是：

ptext = node.get_text().split(':',1)
title = ptext[0].strip()
value = ptext[1].strip()

---

参考子标签问题注释，除“<代码> < P> < /代码> TAG”外，分子式不存在任何标记。

< P>另一种解决问题的方法是在P元素中获得<代码> B<代码>元素，并将其视为您的“标签”，然后：

演示：

>>来自bs4导入组
>>> 
>>>data=”“”
…
...  
…
…摩尔公式：
…
...  
…C23H30O6

... """
>>> 
>>>soup=BeautifulSoup（数据，“html.parser”）
>>> 
>>>p=汤
>>> 
>>>标签=p.b
>>>value=label.next_sibling.strip（）
>>>打印（label.get_text（strip=True），值）
分子式：C23H30O6

Ok这是一个很好的解决方案，因为我有一个相对稳定的格式。你知道我如何直接引用p标签吗？我说了10个，只想用一个特定的标题引用3个。我想我可以只使用逻辑运算符：p问题是

标签本身没有属性。您可以获取所有标题为分子式的

标记，然后导航到父节点，例如

strongnode.parent.parent.get_text（）

，这实际上是一个很好的响应，也许更优雅。。。你认为在性能上有什么不同吗？因为我想遍历数百万个html文件？？？@TylerCowan这应该比另一个答案快，但我不认为这部分会成为瓶颈-看看使用“lxml”解析器或“SoupStrainer”是否有助于提高性能。谢谢。如果你正在遍历数以百万计的这些文件，我会更担心被宿主站点限制/阻止。