如何用Python抓取HTML片段并提取指定文本内容

• 不要用切片提取，这种方式依赖文本固定位置，换页面后极易失效，推荐基于BeautifulSoup的结构化提取方法：

  1. 定位目标div后直接提取纯文本：

     rating_div = soup.find('div', {'class': 'extra-list customer-ratings'})
     if rating_div:
         # 提取并清理文本（去除多余空格、换行）
         target_text = rating_div.get_text(strip=True)
         print(target_text)  # 输出：2 and a half stars, 4688 Ratings
     

  2. 如需拆分星级和评分数量，可进一步处理：

     if rating_div:
         target_text = rating_div.get_text(strip=True)
         stars_part, ratings_part = target_text.split(',', 1)
         print(stars_part.strip())  # 输出：2 and a half stars
         print(ratings_part.strip())  # 输出：4688 Ratings
     

  3. 若目标文本是div下的特定子元素（比如<span>标签），可精准定位子元素后提取：

     rating_span = soup.find('div', {'class': 'extra-list customer-ratings'}).find('span')
     if rating_span:
         print(rating_span.get_text(strip=True))
     

• 核心逻辑是基于HTML元素结构提取，而非依赖文本位置，只要页面的元素class或层级结构不变，更换HTML文件后依然能正常提取。

内容的提问来源于stack exchange，提问作者JMHA1997