如何用BeautifulSoup提取div直接文本，排除内部标签内容？

你可以通过提取外层div的直接文本子节点来实现需求，避免.text方法递归抓取所有子标签文本的问题，以下是两种实用方案：

方案一：筛选直接子节点中的字符串 #

遍历div的直接子节点，仅保留NavigableString类型的内容并拼接：

from bs4 import BeautifulSoup, NavigableString

html = '<div class="content"> Hello World It is good to see you.<span>hi<img/></span></div>'
soup = BeautifulSoup(html, 'html.parser')
target_div = soup.find('div', class_='content')

# 过滤并拼接直接文本节点
result = ''.join([str(node) for node in target_div.contents if isinstance(node, NavigableString)]).strip()
print(result)  # 输出：Hello World It is good to see you.

方案二：直接获取首个直接文本节点 #

如果目标文本是div的第一个子节点，可直接用next_element快速获取：

from bs4 import BeautifulSoup

html = '<div class="content"> Hello World It is good to see you.<span>hi<img/></span></div>'
soup = BeautifulSoup(html, 'html.parser')
target_div = soup.find('div', class_='content')

result = target_div.next_element.strip()
print(result)  # 输出：Hello World It is good to see you.

原理说明 #

.text方法会递归遍历当前节点下的所有子节点，将所有文本内容拼接返回；而上述方法仅处理div的直接子节点中的字符串，不会深入到嵌套的<span>、<img>等标签内部。

内容的提问来源于stack exchange，提问作者Pradeep Karthik Muthusamy