如何使用BeautifulSoup提取HTML中ITEM 1A至ITEM 1B间的内容？

看起来你已经找到了目标文本所在的元素，但只拿到了单个元素，没把中间的内容都捞出来。别着急，我们可以通过定位起始和结束的容器div，然后遍历中间的所有元素来解决这个问题。

步骤1：定位起始和结束的div元素 #

首先，我们要找到包含ITEM 1A. RISK FACTORS和ITEM 1B. UNRESOLVED STAFF COMMENTS的最外层div（因为这两段文本都嵌套在div里的font标签中）：

from bs4 import BeautifulSoup

# 初始化soup对象
page_soup = BeautifulSoup(page_html, "html.parser")

# 定位起始div：通过文本匹配找到包含目标内容的div
start_div = page_soup.find('div', text=lambda t: t and "ITEM 1A. RISK FACTORS" in t)

# 定位结束div
end_div = page_soup.find('div', text=lambda t: t and "ITEM 1B. UNRESOLVED STAFF COMMENTS" in t)

这里用lambda t: t and "目标文本" in t是为了避免处理None类型的文本节点，确保匹配准确。

步骤2：遍历并收集中间所有内容 #

找到起始和结束div后，我们从起始div开始，依次遍历它的后续兄弟元素，直到遇到结束div为止，把所有元素都收集起来：

# 用来存储提取的HTML内容
extracted_html = []

# 先把起始div加入列表
extracted_html.append(str(start_div))

# 从起始div的下一个兄弟元素开始遍历
current_element = start_div.next_sibling

while current_element is not None:
    # 如果遇到结束div，加入列表后停止循环
    if current_element == end_div:
        extracted_html.append(str(current_element))
        break
    
    # 只处理HTML标签元素，跳过换行、空格这类纯文本节点
    if hasattr(current_element, 'name'):
        extracted_html.append(str(current_element))
    
    # 移动到下一个兄弟元素
    current_element = current_element.next_sibling

# 把所有内容拼接成完整的HTML片段
final_result = '\n'.join(extracted_html)
print(final_result)

为什么你的原代码没生效？ #

你的原代码只遍历了所有font标签，找到包含目标文本的那个后就打印了它，但没有继续收集后面的内容。现在的方法是基于div容器来定位，然后遍历后续所有兄弟元素，这样就能把两个ITEM之间的所有HTML内容都提取出来。

额外注意事项 #

• 如果起始和结束元素之间有嵌套的结构，这个方法依然有效，因为我们是直接遍历兄弟节点。
• 如果文本匹配不够准确，也可以先找到包含目标文本的font元素，再通过find_parent('div')拿到外层的div容器，效果是一样的。

内容的提问来源于stack exchange，提问作者Rishab Gupta