Python 从HTML标记和纯文本中提取文本（不包装在标记中）

我只在链接标签和尝试使用时获取文本

BeautifulSoup.find_all()

我只得到“来自某人”，但没有链接标签之间的文本

有没有办法通过这段代码来重建句子

编辑： 上面的代码只是一个示例，我正在尝试创建一个字典，这样字符串的顺序以及标记内部/外部的部分将是任意的。

编辑： 在浏览了一下字典网站后，我提出了以下解决方案。在句子的each

标记下，我们可以执行以下操作：

BeautifulSoup.contents

希望能有帮助

---

如果您只想从

title

属性中提取文本，您可以这样做

from bs4.element import Tag
from bs4.element import NavigableString


res = []

for segment in p.contents:
    if isinstance(segment, NavigableString):
        res.append(segment)
    elif isinstance(segment, Tag):
        res.append(segment.text)

final_sentence = ''.join(res[:-2])

从bs4导入美化组
html=“”

从某人的
“”“
soup=BeautifulSoup（html）
打印（soup.text）
#支付
#指控
#从某人的
#银行账户
打印（soup.text.replace（'\n'，''）
#从某人的银行帐户支付费用

实现同样目标的另一种方法：

from bs4 import BeautifulSoup

html = """<p class="qotCJE">
<a href="https://ejje.weblio.jp/content/to+pay" title="to payの意味" class="crosslink">to pay</a>
<a href="https://ejje.weblio.jp/content/charges" title="chargesの意味" class="crosslink">charges</a>
from one's
<a href="https://ejje.weblio.jp/content/bank+account" title="bank accountの意味" class="crosslink">bank account</a>
</p>"""

soup = BeautifulSoup(html)

print(soup.text)
# to pay
# charges
# from one's
# bank account

print(soup.text.replace('\n', ' '))
# to pay charges from one's bank account 

---

尝试

soup.text

。您可以尝试使用此处所述的“get_text（）”函数：@Luc这不会给我期望的结果，当我使用get_text（）时，我确实会获取标记中的所有文本，但我仍然缺少标记中不存在的部分。您需要将

。text

或

get_text（）

应用到

标记中，不是

s。对，但我尝试这样做是为了一个通用响应（我正在抓取一个web字典），因此插入静态字符串的方法对我来说不起作用。也许我应该在我的帖子中澄清一下哦，好吧，这就是我想要的，似乎我只是对我在树上的位置感到困惑。非常感谢

# assuming text is the html text given above
soup = BeautifulSoup(text, 'html5lib')
a_tags = soup.select('a')
a_strs = (a['title'] for a in a_tags)
final_sentence = "{} {} from one's {}".format(a_strs)

from bs4 import BeautifulSoup

html = """<p class="qotCJE">
<a href="https://ejje.weblio.jp/content/to+pay" title="to payの意味" class="crosslink">to pay</a>
<a href="https://ejje.weblio.jp/content/charges" title="chargesの意味" class="crosslink">charges</a>
from one's
<a href="https://ejje.weblio.jp/content/bank+account" title="bank accountの意味" class="crosslink">bank account</a>
</p>"""

soup = BeautifulSoup(html)

print(soup.text)
# to pay
# charges
# from one's
# bank account

print(soup.text.replace('\n', ' '))
# to pay charges from one's bank account 

from bs4 import BeautifulSoup

content = """
<p class="qotCJE">
<a href="https://ejje.weblio.jp/content/to+pay" title="to payの意味" class="crosslink">to pay</a>
<a href="https://ejje.weblio.jp/content/charges" title="chargesの意味" class="crosslink">charges</a>
from one's
<a href="https://ejje.weblio.jp/content/bank+account" title="bank accountの意味" class="crosslink">bank account</a>
</p>
"""
soup = BeautifulSoup(content,"lxml")
print(soup.get_text(" ",strip=True))

to pay charges from one's bank account