使用BeautifulSoup4爬取页面时如何提取HTML列表内的指定文本

问题原因 #

• .string失效：当标签下存在多个子节点（你的a标签同时包含文本节点Click Me!!!和子<font>标签）时，.string无法匹配唯一文本节点，会返回None。
• get_text()不符合需求：该方法会拼接标签内所有子孙节点的文本，最终返回Click Me!!!34344，包含了你不需要的font标签内的数字内容。

可行解决方法 #

你可以用以下两种方法直接提取a标签的第一个直接文本节点内容：

方法1：通过contents属性取首个子节点 #

contents会返回标签所有直接子节点的列表，你的场景下第一个元素就是目标文本节点：

# 假设你通过find_all拿到的a标签列表为a_tag_list
for a_tag in a_tag_list:
    target_text = a_tag.contents[0].strip()
    # 后续处理逻辑
    print(target_text)

方法2：用find匹配首个直接文本节点 #

指定recursive=False只查找直接子节点，避免误取到font标签内的文本：

for a_tag in a_tag_list:
    target_text = a_tag.find(string=True, recursive=False).strip()
    print(target_text)

内容的提问来源于stack exchange，提问作者cloudflare