BeautifulSoup 获取
之前的文本 Python/bs

在本文中，我们将介绍如何使用Python的Beautiful Soup库(bs4)获取HTML文档中位于   标签之前的文本内容。

什么是Beautiful Soup?

Beautiful Soup是一个Python库，用于从HTML或XML文件中提取数据。它允许我们通过解析网页的标记树来浏览、搜索和修改HTML文档的不同部分。

代码实例

首先，我们需要安装BeautifulSoup库。可以使用以下命令在Python环境中安装bs4：

pip install beautifulsoup4

接下来，我们将演示如何使用BeautifulSoup库从HTML文档中获取   标签之前的文本。假设我们有以下的HTML代码片段：

<html>
  <body>
    <div id="content">
      <p>
        This is the first paragraph.<br/>
        This is the second paragraph.
      </p>
    </div>
  </body>
</html>

我们的目标是获取   标签之前的文本，即 “This is the first paragraph.”。

下面是获取文本的Python代码：

from bs4 import BeautifulSoup

html_doc = """
<html>
  <body>
    <div id="content">
      <p>
        This is the first paragraph.<br/>
        This is the second paragraph.
      </p>
    </div>
  </body>
</html>
"""

soup = BeautifulSoup(html_doc, 'html.parser')
paragraph = soup.find('p')
text_before_br = ''
for content in paragraph.contents:
    if content.name == 'br':
        break
    else:
        text_before_br += str(content)

print(text_before_br.strip())

在这个例子中，我们首先导入BeautifulSoup库。然后，我们将HTML文档作为字符串传递给BeautifulSoup的构造函数，并指定解析器为 ‘html.parser’。

接下来，我们使用 soup.find('p') 在HTML文档中查找第一个  标签。然后，我们使用 for 循环遍历  标签的每个子节点。

在循环中，我们首先检查每个子节点的名称是否为 ‘br’ ，如果是，则跳出循环，否则将文本内容添加到 text_before_br 变量中。

最后，我们使用 print 函数打印出获取到的文本内容。

输出结果将是：

This is the first paragraph.

使用BeautifulSoup解析HTML

在上面的示例中，我们是直接将HTML代码作为字符串传递给BeautifulSoup进行解析。然而，通常情况下我们需要从互联网上下载HTML页面，并使用BeautifulSoup解析下载的内容。

以下是一个使用BeautifulSoup解析URL获取文本的示例：

from bs4 import BeautifulSoup
import requests

url = "https://example.com"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

# 执行获取文本操作的代码