如何用BeautifulSoup获取包含指定子串的元素文本？

问题原因分析 #

你用soup.find_all("div", string="Official name:")返回空列表，是因为string参数要求完全匹配元素文本，但目标元素的实际文本是带引号的完整行（"Official name: Company Name"），并非仅子串"Official name:"。此外硬编码XPath依赖元素位置，一旦文档结构调整（比如新增/删除div）就会失效。

方法1：用BeautifulSoup的自定义匹配提取 #

直接通过子串匹配定位元素，不依赖结构位置：

from bs4 import BeautifulSoup

def get_organization(soup):
    # 查找包含"Official name:"的div元素（忽略标签类型也可换用soup.find(text=lambda t: "Official name:" in t)）
    target_element = soup.find(lambda tag: tag.name == 'div' and 'Official name:' in tag.text)
    if target_element:
        # 提取冒号后的公司名，去除引号和多余空格
        org_name = target_element.text.split(": ")[1].strip('"')
        return org_name
    return None

方法2：定位统一信息容器后逐行提取 #

先找到包含所有信息的父容器（比如示例中的div.txtmark），再从中筛选目标行：

def get_organization(soup):
    # 定位到存放所有信息的容器
    info_container = soup.find('div', class_='txtmark')
    if info_container:
        # 将<br>标签转换为换行符，分割成单独行
        lines = info_container.get_text(separator='\n').split('\n')
        for line in lines:
            if 'Official name:' in line:
                return line.split(": ")[1].strip('"')
    return None

方法3：用lxml的模糊匹配XPath（兼容原有代码） #

如果继续使用lxml，改用contains()函数实现文本模糊匹配，摆脱位置依赖：

from lxml import etree

def get_organization(dom):
    # 匹配所有包含"Official name:"文本的div元素
    target_elements = dom.xpath('//div[contains(text(), "Official name:")]')
    if target_elements:
        return target_elements[0].text.split(": ")[1].strip('"')
    return None

内容的提问来源于stack exchange，提问作者David Jimenez