如何在Beautiful Soup的lambda筛选中匹配含Investment的h3标签并提取金额

目标HTML内容 #

html_content2 ="""
<h3 style="cear: both;">
<abbr title="European Union">EU</abbr>Investment</h3>
<div class="conditions">
<p>bla bla bla
</p>
</div>
<p style="margin-bottom: 0;">
<span class="amount">66000 €</span>
</p>"""

现有代码 #

from bs4 import BeautifulSoup
html_content=html_content1
soup = BeautifulSoup(html_content, "lxml")
t3 = soup.find(lambda tag:tag.name=="h3" and ": Investment").find_next_sibling().find_next_sibling("p").find("span").contents
print(t3)

问题分析 #

你需要匹配包含"Investment"文本的h3标签，但之前的tag.contents==": Investment"写法无法生效，原因是：

• tag.contents返回的是h3内部的子节点列表（包含<abbr>标签对象和字符串"Investment"），无法直接与字符串比较
• 目标h3的纯文本是"EUInvestment"，并不包含冒号，匹配文本存在错误

解决方法 #

方法1：修正lambda匹配逻辑 #

使用tag.get_text(strip=True)获取h3的纯文本内容，再判断是否包含"Investment"，同时优化节点定位逻辑：

from bs4 import BeautifulSoup
html_content = html_content2  # 替换为正确的变量名html_content2
soup = BeautifulSoup(html_content, "lxml")

# 匹配包含Investment文本的h3标签
target_h3 = soup.find(lambda tag: tag.name == "h3" and "Investment" in tag.get_text(strip=True))
if target_h3:
    # 定位到h3之后的div节点，再找其下一个兄弟节点p
    target_p = target_h3.find_next_sibling("div").find_next_sibling("p")
    if target_p:
        amount_span = target_p.find("span", class_="amount")
        if amount_span:
            print(amount_span.get_text(strip=True))  # 输出：66000 €

方法2：使用CSS选择器简化代码 #

利用BeautifulSoup的CSS选择器直接定位，代码更简洁：

from bs4 import BeautifulSoup
html_content = html_content2
soup = BeautifulSoup(html_content, "lxml")

# 选择器逻辑：找到包含Investment的h3，然后取其后的div的下一个p标签内的.amount元素
amount = soup.select_one('h3:contains("Investment") ~ div ~ p .amount').get_text(strip=True)
print(amount)  # 输出：66000 €

关键说明 #

• get_text(strip=True)：提取标签的纯文本内容并去除首尾空白，适合处理包含子标签的文本匹配场景
• CSS选择器中的~：表示选择当前元素之后的同级兄弟元素
• :contains("文本")：匹配包含指定文本的标签（需配合lxml解析器使用）

内容的提问来源于stack exchange，提问作者JFerro