使用Python的BeautifulSoup提取HTML中的指定无标签文本

先看目标HTML结构：

<h1 class="col">
  <small>Text1</small>
  Text2
</h1>

用BeautifulSoup提取Text2有这几种实用方法：

• 筛选纯文本节点
  通过contents获取h1标签下的所有子节点，过滤出纯文本类型的节点，再清理多余空白：

from bs4 import BeautifulSoup, NavigableString

html = '''
<h1 class="col">
  <small>Text1</small>
  Text2
</h1>
'''

soup = BeautifulSoup(html, 'html.parser')
h1_col = soup.find('h1', class_='col')
# 挑出非标签的文本节点，去掉空内容
text2 = [node.strip() for node in h1_col.contents if isinstance(node, NavigableString) and node.strip()]
print(text2[0])  # 输出Text2

• 排除small标签内容
  先提取h1的所有文本，再剔除small标签里的内容：

h1_col = soup.find('h1', class_='col')
small_content = h1_col.find('small').get_text(strip=True)
# 分割文本后排除small的内容
text2 = [t for t in h1_col.get_text(strip=True).split() if t != small_content][0]
print(text2)  # 输出Text2

• 文本替换法
  直接获取h1的完整文本，把small标签的内容替换为空，剩下的就是目标Text2：

h1_full_text = h1_col.get_text(strip=True)
small_content = h1_col.find('small').get_text(strip=True)
text2 = h1_full_text.replace(small_content, '').strip()
print(text2)  # 输出Text2

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