如何使用html.parser获取div标签内的目标价格信息？

你是不是头疼怎么拿到<div class='card-product__price'>里，那个旧价格span后面的目标价格？现在你的HTMLParser代码输出空值，咱们先找找问题出在哪，再给你搞定它。

先说说你现有代码的问题 #

• 目标div的class匹配错了：你代码里判断的是card-product__details，但实际要找的div class是card-product__price，这第一步就没命中目标！
• 没有跟踪span标签的状态：目标价格是span的兄弟文本节点，你的代码没标记“已经过了旧价格span”这个状态，自然不知道什么时候该抓取后续的文本。
• 触发条件逻辑有问题：self.is_price_field的触发条件不明确，导致handle_data里的判断一直不成立，根本不会去处理数据。

方案一：修正原生HTMLParser代码 #

如果一定要用HTMLParser，咱们调整逻辑，跟踪进入目标div、经过span的状态，再抓取文本：

from html.parser import HTMLParser
import re

class PriceParser(HTMLParser):
    def __init__(self):
        super().__init__()
        self.in_target_div = False  # 是否进入了目标价格div
        self.span_passed = False    # 是否已经跳过了旧价格span
        self.target_price = None    # 存储最终价格

    def handle_starttag(self, tag, attrs):
        # 检查是否进入目标div
        if tag == 'div':
            attrs_dict = dict(attrs)
            if attrs_dict.get('class') == 'card-product__price':
                self.in_target_div = True
        # 如果在目标div里，检查是否是旧价格span
        elif self.in_target_div and tag == 'span':
            attrs_dict = dict(attrs)
            if attrs_dict.get('class') == 'card-product__price-old':
                self.span_passed = True  # 标记已经遇到这个span

    def handle_endtag(self, tag):
        # 离开目标div时重置状态
        if tag == 'div' and self.in_target_div:
            self.in_target_div = False
            self.span_passed = False

    def handle_data(self, data):
        # 只有满足三个条件才处理：在目标div、已过span、还没拿到价格
        if self.in_target_div and self.span_passed and self.target_price is None:
            cleaned_text = data.strip()
            if cleaned_text:  # 过滤掉纯空白的文本（比如换行、空格）
                # 清理掉非数字和小数点的字符，保留价格数值
                self.target_price = re.sub('[^\d.]', '', cleaned_text)

# 测试使用
html = '''
<div class='card-product__price'>
    <span class='card-product__price-old'>Old price is here</span>
        '199.99'
</div>
'''

parser = PriceParser()
parser.feed(html)
print(parser.target_price)  # 输出: 199.99

方案二：用BeautifulSoup更省心 #

原生HTMLParser写起来太繁琐了，推荐用BeautifulSoup，几行代码就能搞定：

from bs4 import BeautifulSoup
import re

html = '''
<div class='card-product__price'>
    <span class='card-product__price-old'>Old price is here</span>
        '199.99'
</div>
'''

soup = BeautifulSoup(html, 'html.parser')
# 找到目标div和里面的旧价格span
price_div = soup.find('div', class_='card-product__price')
old_price_span = price_div.find('span', class_='card-product__price-old')
# 获取span的下一个兄弟文本节点，清理空白和无关字符
target_text = old_price_span.next_sibling.strip()
cleaned_price = re.sub('[^\d.]', '', target_text)

print(cleaned_price)  # 输出: 199.99

这个方法里，next_sibling直接定位到span后面的文本节点，省去了复杂的状态跟踪，代码简洁太多。

内容的提问来源于stack exchange，提问作者Beginner