如何用BeautifulSoup获取某个class下的所有标签（含内容）？

Question

我的 soup 元素中有一个 class，它是一个单元的描述。

<div class="ats-description">
 <p>Here is a paragraph</p>
 <div>inner div</div>
 <div>Another div</div>
 <ul>
    <li>Item1</li>
    <li>Item2</li>
    <li>Item3</li>
 </ul>
</div>

我可以用 soup.select(".ats-description")[0] 轻松抓住这部分。现在我想删除 <div class="ats-description">，只保留所有内部标签（保留文本结构）。怎么做？

soup.select(".ats-description")[0].getText() 给我所有的文本，像这样：

'\nHere is a paragraph\ninner div\nAnother div\n\nItem1\nItem2\nItem3\n\n\n'

但是删除了所有内部标签，所以它只是非结构化文本。我也想保留标签。

Answer 1

试试这个，按 soup.find_all()

列表中的标签匹配

from bs4 import BeautifulSoup

html="""<div class="ats-description">
 <p>Here is a paragraph</p>
 <div>inner div</div>
 <div>Another div</div>
 <ul>
    <li>Item1</li>
    <li>Item2</li>
    <li>Item3</li>
 </ul>
</div>"""

soup = BeautifulSoup(html, 'lxml')
print(soup.select_one("div.ats-description").find_all(['p','div','ul']))

Answer 2

要获取 innerHTML，请使用方法 .decode_contents()

innerHTML = soup.select_one('.ats-description').decode_contents()
print(innerHTML)

如何用BeautifulSoup获取某个class下的所有标签（含内容）？

How to get all the tags (with content) under a certain class with BeautifulSoup?

python

html

beautifulsoup

html-parsing