如何用Python和BeautifulSoup批量提取嵌套HTML的时长与加价信息？

现有如下单个HTML标签：

<label class="cOpt" for="prod_1234_rMon_3"> <span>12 M <span>+300 €</span></span> </label>

需要提取其中的「12 M」和「+300 €」信息。实际场景中存在多个同类标签（结构如下），尝试用find方法只能返回第一个值，无法获取所有条目：

vObj_detail = bsObj.find('label', attrs={'class': 'cOpt'}).get_text(strip=True).split("+")

实际HTML源数据：

<label class="cOpt" for="prod_1234_rMon_0">
<span>6 M</span>
</label>

<label class="cOpt" for="prod_1234_rMon_1">
<span>24 M
<span>+150 €
</span>
</span>
</label>

<label class="cOpt" for="prod_1234_rMon_2">
<span>18 M
<span>
+200 €
</span>
</span>
</label>

<label class="cOpt" for="prod_1234_rMon_3">
<span>12 M
<span>+300 €
</span>
</span>
</label>

<label class="cOpt" for="prod_1234_rRen_0">
<span>1.250 km
</span>
</label>

<label class="cOpt" for="prod_1234_rRen_1">
<span>1.750 km
<span>+100 €
</span>
</span>
</label>

<label class="cOpt" for="prod_1234_rRen_2">
<span>2.000 km
<span>+150 €
</span>
</span>
</label>

<label class="cOpt" for="prod_1234_rRen_3">
<span>2.500 km
<span>+250 €
</span>
</span>
</label>

核心问题修正 #

你之前的代码用了find()方法，它仅返回匹配的第一个元素，改用find_all()即可获取所有符合条件的标签。

方法一：基于DOM结构精准提取（推荐） #

利用HTML标签层级结构直接提取内容，不受文本格式（换行、空格）影响，稳定性更高：

from bs4 import BeautifulSoup

# 替换为你的原始HTML内容
html_content = """[这里放入实际的HTML代码]"""
soup = BeautifulSoup(html_content, "html.parser")

# 获取所有class为cOpt的label标签
all_options = soup.find_all("label", class_="cOpt")

extracted_data = []
for label in all_options:
    outer_span = label.find("span")
    # 提取外层span的直接文本（排除子span内容）
    base_option = outer_span.contents[0].strip() if outer_span.contents else ""
    # 提取内层span的加价文本（如果存在）
    price_span = outer_span.find("span")
    extra_price = price_span.get_text(strip=True) if price_span else ""
    
    extracted_data.append({
        "基础选项": base_option,
        "加价": extra_price
    })

# 打印结果
for item in extracted_data:
    print(item)

方法二：基于文本拆分提取（适用于结构简单场景） #

如果标签文本格式固定，可通过文本拆分快速提取：

from bs4 import BeautifulSoup

html_content = """[这里放入实际的HTML代码]"""
soup = BeautifulSoup(html_content, "html.parser")

all_options = soup.find_all("label", class_="cOpt")
extracted_data = []

for label in all_options:
    full_text = label.get_text(strip=True)
    if "+" in full_text:
        base_part, price_part = full_text.split("+", 1)
        base_option = base_part.strip()
        extra_price = "+" + price_part.strip()
    else:
        base_option = full_text.strip()
        extra_price = ""
    
    extracted_data.append({
        "基础选项": base_option,
        "加价": extra_price
    })

# 打印结果
for item in extracted_data:
    print(item)

输出示例 #

两种方法都会输出类似以下结构的结果：

{'基础选项': '6 M', '加价': ''}
{'基础选项': '24 M', '加价': '+150 €'}
{'基础选项': '18 M', '加价': '+200 €'}
{'基础选项': '12 M', '加价': '+300 €'}
{'基础选项': '1.250 km', '加价': ''}
{'基础选项': '1.750 km', '加价': '+100 €'}
{'基础选项': '2.000 km', '加价': '+150 €'}
{'基础选项': '2.500 km', '加价': '+250 €'}

内容的提问来源于stack exchange，提问作者ioSven