如何使用BeautifulSoup从指定p标签中提取Acid与Alcohol的数值？

可以通过过滤文本内容精准定位包含Acid和Alcohol的p标签，而非获取所有p标签，下面是两种实用方法：

方法1：用lambda表达式筛选文本 #

借助find_all的text参数配合lambda，只保留含目标关键词的p标签：

from bs4 import BeautifulSoup

# 替换为你的实际HTML内容
html_content = """
<p>Acid(5.9 g/L)</p>
<p>Alcohol(14.5%)</p>
<p>其他无关内容</p>
"""

soup = BeautifulSoup(html_content, 'html.parser')

# 筛选包含Acid或Alcohol的p标签
target_elements = soup.find_all('p', text=lambda t: t and ('Acid' in t or 'Alcohol' in t))

# 提取数值并整理成字典
extracted_values = {}
for elem in target_elements:
    clean_text = elem.get_text(strip=True)
    if 'Acid' in clean_text:
        extracted_values['Acid'] = clean_text.split('(')[1].rstrip(')')
    elif 'Alcohol' in clean_text:
        extracted_values['Alcohol'] = clean_text.split('(')[1].rstrip(')')

print(extracted_values)
# 输出：{'Acid': '5.9 g/L', 'Alcohol': '14.5%'}

方法2：用正则表达式匹配 #

如果需要更灵活的文本匹配规则，可通过正则指定关键词：

import re
from bs4 import BeautifulSoup

soup = BeautifulSoup(html_content, 'html.parser')
# 正则匹配包含Acid或Alcohol的文本
keyword_pattern = re.compile(r'(Acid|Alcohol)')
target_elements = soup.find_all('p', text=keyword_pattern)

# 提取数值
extracted_values = {}
for elem in target_elements:
    clean_text = elem.get_text(strip=True)
    key = 'Acid' if 'Acid' in clean_text else 'Alcohol'
    extracted_values[key] = clean_text.split('(')[1].rstrip(')')

print(extracted_values)

补充说明 #

• 若目标p标签有专属class/id属性，可直接用find_all('p', class_='目标类名')缩小范围，提升效率；
• 若数值格式固定，也能直接用正则提取数值部分，比如re.search(r'\d+\.?\d*\s?%?g/L?', clean_text).group()。

内容的提问来源于stack exchange，提问作者DJ-coding