如何用BeautifulSoup提取HTML树中指定文本标签上方的内容？

我有一棵HTML树，需要保留其中包含指定文本的某类标签上方的所有内容。示例中仅有一个文本为Notes的<b>标签，但实际场景中可能存在多个。

示例HTML #

<br/>
Hello
<br/>
<b>
 Notes
</b>
<br/>
Hello
<a name="test">
  Hello2
</a>

期望处理结果 #

<br/>
Hello
<br/>

当前代码问题 #

我当前的代码仅能以列表形式得到期望结果，而非完整的HTML格式输出：

#book.html contains the example from above
openHtml = open('book.html', 'r')
soup = BeautifulSoup(openHtml, 'html.parser')
all=soup.find_all('b')
for i in all:
    if i.text.strip() == 'Notes':
        pos = all.index(i)
soup = soup.find_all("b")[pos].find_all_previous(string=True)
print(soup)

请问如何获取HTML格式的结果而非列表？

解决方案 #

要生成完整的HTML格式结果，你可以调整代码逻辑，直接提取并重组目标标签之前的节点：

from bs4 import BeautifulSoup

# 读取HTML文件
with open('book.html', 'r') as openHtml:
    soup = BeautifulSoup(openHtml, 'html.parser')

# 筛选出所有文本为"Notes"的<b>标签
target_tags = [tag for tag in soup.find_all('b') if tag.text.strip() == 'Notes']

# 处理每个目标标签（支持多个符合条件的标签场景）
for tag in target_tags:
    # 获取当前标签之前的所有节点，注意find_all_previous返回的是倒序节点
    prev_nodes = tag.find_all_previous()
    prev_nodes.reverse()
    
    # 创建新的BeautifulSoup对象来组装结果
    result_soup = BeautifulSoup("", 'html.parser')
    for node in prev_nodes:
        result_soup.append(node)
    
    # 输出格式化后的HTML内容
    print(result_soup.prettify())

说明 #

• find_all_previous()会返回目标标签之前的所有节点，但顺序是从靠近目标标签的位置往前排，所以需要用reverse()恢复原文档顺序
• 通过新建BeautifulSoup对象来拼接节点，最后用prettify()输出标准格式的HTML
• 如果只需要处理第一个符合条件的标签，直接取target_tags[0]即可，无需循环

内容的提问来源于stack exchange，提问作者yemy