Skip to main content
 首页 » 编程设计

python之BeautifulSoup 抓取文本

2025年04月02日14qq78292959

我对如何使用 BeautifulSoup 获取一些东西感到有点困惑,我试图获取的 html 看起来像这样:

<div class="txt-block">  
    <h4 class="inline">Gross:</h4>  
    $408,992,272 
</div> 

我要抢美元号码。 到目前为止,我已经有了这个,但它并不能完全满足我的需求。

gross = data.findAll('h4',class_='inline') 

数据是我的 beautifulsoup 对象,还有 h4 标签的多个实例,class_=inline

我可以接受所有的 h4 标签,只要我也能得到其中的数字,然后我就可以对其进行正则表达式。

请您参考如下方法:

如果您只想要美元金额,请从 txt-block div 设置 recursive=False 中查找所有文本,这样您就不需要从它的 child 那里得到任何文本并去除任何空白:

In [27]:h = """<div class="txt-block"> 
                   <h4 class="inline">Gross:</h4> 
                    $408,992,272 
               </div>""" 
 
In [28]: soup = BeautifulSoup(h,"lxml") 
 
In [29]: div = soup.find("div",class_="txt-block") 
 
In [30]: "".join(div.find_all(text=True, recursive=False)).strip() 
Out[30]: '$408,992,272' 

或者如果您知道它始终是最后一个项目元素,您可以使用:

In [40]: div.contents[-1].strip() 
Out[40]: '$408,992,272'