我想找到一个 <span> 标签，它位于包含多个 <span> 标签的 <h1> 标签内

Question

我想要做的是选择第二个跨度并抓住它的文本来打印它。下面是 HTML 代码和 BeautifulSoup 代码#HTML code<h1 id="productTitle">   <a href="https://www.example.com/product/">       <span id="productBrand">BRAND</span>   </a>   <span>PRODUCT TITLE </span></h1>#BeautifulSoup codefor h1 in soup.find_all('h1', id="productTitle"):    productTitle = h1.find('span').text    print(productTitle)

Answer 1

希望，并非总是如此，id 应该是唯一的含义find_all可能不是必需的。

使用 bs4 4.7.1+，您可以使用 :not 排除具有 id 的子跨度

from bs4 import BeautifulSoup as bs

html = '''<h1 id="productTitle">

   <a href="https://www.example.com/product/">

         <span id="productBrand">BRAND</span>

   </a>

         <span>PRODUCT TITLE </span>

</h1>

'''

soup = bs(html, 'lxml')

print(soup.select_one('#productTitle span:not([id])').text)

你也可以第n个孩子

print(soup.select_one('#productTitle span:nth-child(2)').text)

或者

print(soup.select_one('#productTitle span:nth-child(even)').text)

甚至是一个直接的兄弟姐妹组合来获得span孩子a

print(soup.select_one('#productTitle a + span').text)

或链接 next_sibling

print(soup.select_one('#productTitle a').next_sibling.next_sibling.text)

Answer 2

h1这会在标签中获取您需要的所有字段：

蟒蛇代码：

from bs4 import BeautifulSoup

text = '''

<h1 id="productTitle">

   <a href="https://www.example.com/product/">

         <span id="productBrand">BRAND</span>

   </a>

         <span>PRODUCT TITLE </span>

</h1>

'''

soup = BeautifulSoup(text,features='html.parser')

#BeautifulSoup code

for h1 in soup.find_all('h1', id="productTitle"):

    spans = h1.find_all('span')

    print('productBrand  == > {}'.format(spans[0].text))

    print('productTitle  == > {}'.format(spans[1].text))

使用 h1 获取所有跨度：

for h1 in soup.find_all('h1', id="productTitle"):

    for i,span in enumerate(h1.find_all('span')):

      print('span {} == > {}'.format(i,span.text))