使用BeautifulSoup爬取时如何提取纯GMC编号并去除b标签

针对你的需求，这里提供几种简洁有效的修改方案，基于BeautifulSoup实现纯编号提取：

方法一：定位b标签后获取后续文本（推荐） #

直接找到<b>标签，然后获取它的相邻兄弟文本节点，这种方式最精准，不受文本换行或分隔符变化影响：

media_body = soup.find("div", {"class":"media-body"}) 
b_tag = media_body.p.find('b')
gmc_number = b_tag.next_sibling.strip()

方法二：拆分现有文本提取编号 #

如果保留原有文本获取逻辑，可以通过拆分文本过滤掉"GMC:"部分：

media_body = soup.find("div", {"class":"media-body"}) 
gmc_text = media_body.p.text.strip()
# 按换行拆分取最后一段
gmc_number = gmc_text.split('\n')[-1].strip()
# 或者按冒号拆分取后半部分
# gmc_number = gmc_text.split(':', 1)[-1].strip()

方法三：过滤p标签内的非b标签内容 #

遍历p标签的所有子节点，排除<b>标签后提取剩余文本：

media_body = soup.find("div", {"class":"media-body"}) 
gmc_number = ''.join([node.strip() for node in media_body.p.contents if node.name != 'b']).strip()

以上三种方法都能得到纯编号123456，其中方法一的定位逻辑更可靠，建议优先使用。

内容的提问来源于stack exchange，提问作者Nikhil V