如何用BeautifulSoup拆分<h1>标签中的文本为独立数据项？

问题说明 #

你用soup.find("h1 span")得到None，是因为BeautifulSoup的find()方法不支持直接传入"h1 span"这类CSS层级选择器字符串，得换方式定位子标签。

分步实现代码 #

先获取h1标签：

h1_tag = soup.find("h1")

1. 提取Coriander：
   h1标签的子节点包含纯文本节点和span标签，通过contents获取子节点列表，取第一个文本节点并清理空白：

main_name = h1_tag.contents[0].strip()
print(main_name)  # 输出: Coriander

2. 正确获取span标签并拆分内容：
   有两种方式定位span标签：

# 方式1：从已找到的h1标签内找span
span_tag = h1_tag.find("span")
# 方式2：用CSS选择器直接定位（支持层级写法）
span_tag = soup.select_one("h1 span")

拆分span内的Herb / Cilantro：

span_text = span_tag.get_text(strip=True)
category, alias = [item.strip() for item in span_text.split("/")]
print(category)  # 输出: Herb
print(alias)     # 输出: Cilantro

完整可运行示例 #

from bs4 import BeautifulSoup

# 示例HTML结构
html = """<h1>Coriander<span>Herb / Cilantro</span></h1>"""
soup = BeautifulSoup(html, "html.parser")

h1_tag = soup.find("h1")
main_name = h1_tag.contents[0].strip()

span_tag = h1_tag.find("span")
category, alias = [item.strip() for item in span_tag.get_text(strip=True).split("/")]

print(main_name)
print(category)
print(alias)

运行后输出：

Coriander
Herb
Cilantro

内容的提问来源于stack exchange，提问作者pglove