使用BeautifulSoup如何提取父标签内文本 排除子标签的多余字符

问题原因 #

你当前使用的Tag.text属性会递归提取当前标签及所有子孙标签的文本内容，因此会把嵌套子<span>里的q也一并提取，最终得到拼接后的结果。

解决方案 #

只需指定提取父span标签的直接文本节点，不递归查询子标签内的内容即可，两种常用实现方式如下：

方案1：非递归查找直接文本节点（更通用） #

通过recursive=False参数限定只查找当前标签的直接子节点，不会深入嵌套的子标签内提取内容：

price = item.find('span', class_='nowrap')
# 仅提取当前标签的直接文本内容，忽略子标签
price_x = price.find(text=True, recursive=False).strip()
print(price_x)

方案2：直接取第一个直接子节点 #

你当前的HTML结构里，父span的第一个直接子节点就是目标文本，直接索引取值即可：

price = item.find('span', class_='nowrap')
price_x = price.contents[0].strip()
print(price_x)

两种方案运行后均可输出你需要的2 633结果。

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