如何用BeautifulSoup提取div的直接文本，忽略其子元素内容？

针对你给出的div结构，要提取仅属于div本身的直接文本、排除子元素内容，用BeautifulSoup的内置属性/方法就能直接实现，下面是几种实用的方案：

方案1：通过.strings结合父元素判断筛选 #

.strings会返回元素下所有文本节点的生成器，我们只保留父元素是目标div的文本节点：

from bs4 import BeautifulSoup

html = '''
<div>
    " Base Text "
    <span> 
        " Inner Text "
    </span>
    " Outer Base Text "
</div>
'''

soup = BeautifulSoup(html, 'html.parser')
target_div = soup.find('div')

# 筛选出直接属于div的文本，同时清理空内容
direct_texts = [text.strip() for text in target_div.strings if text.parent == target_div and text.strip()]
print(direct_texts)  # 输出: ['" Base Text "', '" Outer Base Text "']

方案2：遍历.contents提取纯文本节点 #

.contents返回元素的所有直接子节点（包含文本和标签），我们只保留NavigableString类型的节点（也就是纯文本节点）：

from bs4 import BeautifulSoup, NavigableString

soup = BeautifulSoup(html, 'html.parser')
target_div = soup.find('div')

direct_texts = [str(text).strip() for text in target_div.contents if isinstance(text, NavigableString)]
# 过滤掉空白字符串
direct_texts = [text for text in direct_texts if text]
print(direct_texts)  # 输出: ['" Base Text "', '" Outer Base Text "']

方案3：用.stripped_strings简化处理 #

如果想直接跳过空白文本，用.stripped_strings配合父元素判断更高效：

direct_texts = [text for text in target_div.stripped_strings if text.parent == target_div]
print(direct_texts)  # 输出: ['" Base Text "', '" Outer Base Text "']

以上几种方法都是基于BeautifulSoup内置功能实现的，不需要额外依赖，完全能满足你的需求。

内容的提问来源于stack exchange，提问作者futuregamer1579