使用网络抓取获取标签内的第一行文本

Question

我需要使用 python 网页抓取代码获取标签内的第一行文本。

预计输出：1995 年 9 月 22 日

代码html是这样的

<div class="txt-block">
<h4 class="inline">Release Date:</h4> 22 September 1995 (USA)
<span class="see-more inline">
<a href="releaseinfo?ref_=tt_dt_dt">See more</a>&nbsp;»
</span></div>

我获取数据的代码是

soup.find('div', {"class": "txt-block"}).text

输出为：发行日期：1995 年 9 月 22 日（美国）查看更多

Answer 1

我会这样做

text = soup.find('h4').next_sibling
text.replace('(USA)','')

或

text = soup.find('h4',{'class','inline'}).next_sibling
text.replace('(USA)','')

您可以使用正则表达式从文本中排除括号 (USA)。

使用正则表达式从字符串中删除特定单词

text = soup.find('h4',{'class','inline'}).next_sibling
import re
text = re.sub(r'\s\(.+\)','',text)

这将从该字符串中删除任何其他括号中包含的单词。

使用网络抓取获取标签内的第一行文本

get the first line of text inside a tag using webscraping

python

beautifulsoup

web-scraping

data-extraction