使用BeautifulSoup Python提取span标记之间的数据

我想提取span标记之间的数据。下面是一个html代码示例：

<p>
    <span class="html-italic">3-Acetyl-</span>
    <span class="html-italic">(4-acetyl-5-(β</span>
    "-"
    <span class="html-italic">naphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one</span>
     "("
    <b>5b</b>
</p>

非常感谢您的帮助

试着这样做：

name=""
for x in soup.find('p'):
    try:
        if x.name == 'span':
            name += x.get_text()
    except:pass
print name

输出：

3-Acetyl-(4-acetyl-5-(βnaphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one

---

你可以这样做

p = soup.find("p")
name = ""
for child in p.children:
    if child.name == "span":
        name += child.text
    elif child.name is 'None':
        name += child.string.rstrip("\"\n ").lstrip("\"\n ")
print name

你可以用

---

可以使用BeautifulSoup的

.findAll（text=True）

获取元素内部的所有文本，包括跨距外部的文本。这将返回一个文本部分列表，其中需要去掉空格和引号。我不确定您使用什么规则来排除最后一个

”（“5b

），但这可能与切片列表一样简单：

parts = soup.find("p").findAll(text=True)
name = ''.join(p.strip(string.whitespace + '"') for p in parts[:-3])

结果:

u'3-Acetyl-(4-acetyl-5-(β-naphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one'

---

如果您喜欢单行程序，您可以执行以下操作：

(your_item.find("p", {"attr": "value"})).find("span").get_text()

---

您可能还需要从“-”和“（”）中去掉引号。使用rstrip和lstrip您可以做到这一点，需要注意的是，这会遗漏跨距之外的

“-”

（应为β-萘基）。

u'3-Acetyl-(4-acetyl-5-(β-naphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one'

(your_item.find("p", {"attr": "value"})).find("span").get_text()