BS4 class 带有 header 个标签

Question

我如何解析 class 以仅获取列表中 header 标签之外的文本，或两者都在列表中？

<div class="footballMatchSummaryDef"><h1>Burnley v Aston Villa</h1>English Premier League at Turf Moor</div>

我考虑过使用正则表达式来提取，但认为漂亮的汤肯定无法处理它

Answer 1

有很多解决方案，一种是获取整个文本，然后根据一些分隔符将其拆分：

from bs4 import BeautifulSoup

txt = '''<div class="footballMatchSummaryDef"><h1>Burnley v Aston Villa</h1>English Premier League at Turf Moor</div>'''

soup = BeautifulSoup(txt, 'html.parser')

lst = soup.select_one('.footballMatchSummaryDef').get_text(separator='|').split('|')
print(lst)

打印：

['Burnley v Aston Villa', 'English Premier League at Turf Moor']

或使用bs4导航功能：

print( soup.h1.text )
print( soup.h1.find_next_sibling(text=True) )

打印：

Burnley v Aston Villa
English Premier League at Turf Moor

Answer 2

感谢 Andrej，导航功能正是我所追求的，工作正常，才刚刚开始 python 所以对我来说都是 php 的新功能。这是我需要的下一个兄弟姐妹

print( soup.h1.find_next_sibling(text=True) )

BS4 class 带有 header 个标签

BS4 class with header tags

python

beautifulsoup

python-3.8