是否有 selector 可以用于（在 Python 中）到没有标签的 select 元素？

Question

<div id="some id" class="some class">
    <table id="some other id" class="a different class">...</table>
    
        
        I want this text,


    <br>
    
        this text,


    <br>


        along with this text


    </div>

我正在尝试使用 Python 通过网络抓取具有与上述类似代码的多个页面。我尝试使用基本的 Python CSS select 或获取文本，但无法解决。我主要想知道是否有一个 select 或可以通过 Beautiful Soup select() 方法传递 selects 在 <div> 但不在 [=15] 中的元素=].我尝试 select <br>（不知道它做了什么），但那没有用。

我对 HMTL 的了解很少，因此对于上述代码示例中的任何错误或造成的混淆，我深表歉意。

Answer 1

简单地删除子 table 标签可能更容易

from bs4 import BeautifulSoup as bs

html = '''
<div id="some id" class="some class">
    <table id="some other id" class="a different class">not this</table>


        I want this text,


    <br>

        this text,


    <br>


        along with this text


    </div>
'''

soup = bs(html, 'lxml')
soup.select_one('[id="some other id"]').extract()
print(soup.select_one('[id="some id"]').text)

Answer 2

解决方法其实很简单。经过试验，我想通了，你可以使用下面的代码来获取上面的文本 HTML.

import requests, bs4

#Create a BeautifulSoup Object
url = 'https://url.thisisthewebsitecontainingthehtml.com'
res = requests.get(url)
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text)

#Create a list containing all elements with the tag <div>
divElems = soup.select('div[id="some id"]')
#Create an empty list to add the text
trueText = []
for i in divElems:
    text = list(i)
    trueText.append((text[-5].strip(), text[-3].strip(), text[-1].strip()))

Python的list()函数将选中的HTML分成单独的'chunks' - <table>标签下的所有内容，文本的第一位， <br> 标签、下一段文本、另一个 <br> 标签和最后一段文本。因为我们只想要 'chunks' 包含文本，所以我们将 text 列表的第“-1”、“-3”和“-5”元素添加到我们的 trueText 中列表。

执行此代码将创建一个列表，trueText 包含上述 HTML.

中的所需文本

是否有 selector 可以用于（在 Python 中）到没有标签的 select 元素？

Is there a selector that can be used (in Python) to select elements without a tag?

css-selectors

web-scraping

python-3.6