如何缩小soup.find结果范围，提取维基足球球员infobox高亮文本？

云原生阿岚

2026-8-6

问题

每个足球运动员的维基百科页面都设有infobox模块，用于展示职业生涯信息。我的目标是抓取这些页面中的高亮数据，目前已能输出infobox段文本，但仅需其中的高亮内容，请问如何缩小结果范围以只获取该部分文本？

解决方案

基于HTML结构直接提取：维基百科infobox里的高亮内容普遍用<b>或<strong>标签包裹，如果你是用爬虫工具（比如BeautifulSoup）处理渲染后的HTML，可以直接在已获取的infobox节点下筛选这类标签的文本：
```
from bs4 import BeautifulSoup

# infobox_html为你已获取的infobox段HTML文本
soup = BeautifulSoup(infobox_html, 'html.parser')
highlighted_content = [tag.get_text(strip=True) for tag in soup.find_all(['b', 'strong'])]
```
从维基原始wikitext匹配：如果抓取的是维基百科的原始编辑文本（wikitext），高亮内容是用'''三重单引号'''包裹的，直接用正则表达式匹配提取：
```
import re

# infobox_wikitext为你已获取的infobox段原始文本
match_pattern = r"'''(.*?)'''"
highlighted_content = re.findall(match_pattern, infobox_wikitext)
```
精准定位目标字段的高亮内容：如果只需要特定字段的高亮信息（比如国籍、当前俱乐部），可以先定位infobox内对应字段的行，再提取该行内的加粗部分。比如用BeautifulSoup先找到包含目标字段的节点，再从中筛选<b>/<strong>标签内容。