如何使用bs4获取父标签中不含子标签内容的文本？

你可以通过以下两种方法实现需求：

方法一：移除嵌套子div后提取文本 #

先定位到目标父div，移除内部的子div，再提取剩余文本：

HTML结构 #

<div>
    <div id="1">Text 1
        <div id="2"> Text 2</div>
    </div>
</div>

Python代码 #

from bs4 import BeautifulSoup

html = '''
<div>
    <div id="1">Text 1
        <div id="2"> Text 2</div>
    </div>
</div>
'''

soup = BeautifulSoup(html, 'html.parser')
# 定位到id为1的div
div1 = soup.find('div', id='1')
# 找到内部id为2的div并移除
div2 = div1.find('div', id='2')
div2.extract()
# 提取文本并清理多余空格换行
target_text = div1.get_text(strip=True)
print(target_text)  # 输出：Text 1

方法二：直接筛选文本节点 #

遍历父div的子节点，只保留纯文本节点的内容：

Python代码 #

from bs4 import BeautifulSoup

html = '''
<div>
    <div id="1">Text 1
        <div id="2"> Text 2</div>
    </div>
</div>
'''

soup = BeautifulSoup(html, 'html.parser')
div1 = soup.find('div', id='1')
# 筛选出所有文本节点，拼接后清理格式
target_text = ''.join([node.strip() for node in div1.contents if isinstance(node, str)]).strip()
print(target_text)  # 输出：Text 1

内容的提问来源于stack exchange，提问作者El1syum