如何使用BeautifulSoup提取HTML代码中markup="content"对应的文本内容

定位markup="content"元素的方法 #

你可以通过BeautifulSoup的attrs参数筛选自定义属性，精准匹配目标元素，示例代码如下：

# 方式1：直接全局定位markup属性为content的元素
target_ele = soup.find(attrs={"markup": "content"})

# 方式2：如果确定目标元素在你找到的父div范围内，可缩小范围查找，避免匹配到其他位置的同属性元素
parent_div = soup.find("div", class_="break-word news_main")
target_ele = parent_div.find(attrs={"markup": "content"})

# 提取元素内的文本内容
content_text = target_ele.text.strip()

关于markup属性的说明 #

• markup不是HTML的内置标准属性，和class、id这类所有HTML元素通用的原生全局属性不同
• 它是当前网站开发者自行定义的自定义属性，作用和常见的data-*自定义属性类似，仅用于当前站点给元素打标识、存储自定义数据，没有全行业通用的固定含义，不同站点的markup属性作用可能完全不同

内容的提问来源于stack exchange，提问作者micastik