如何使用BeautifulSoup解析嵌套HTML标签提取指定内容存入字典

错误原因 #

原有代码的问题在于直接将a标签内所有文本合并后按字母、数字拆分过滤，会丢失key自带的数字，同时会把key中的数字混入value，导致结果不符合预期。 #

正确实现代码 #

from bs4 import BeautifulSoup

# 假设你的HTML内容存在html_content变量中
soup = BeautifulSoup(html_content, "html.parser")
tags = {}
for a_tag in soup.select("a"):
    # recursive=False设置仅提取a标签直接子节点的文本，不会读取span等内部标签的内容
    key = a_tag.find(string=True, recursive=False).strip()
    # 单独提取a标签内span标签的文本作为value
    value = a_tag.find("span").get_text(strip=True)
    tags[key] = value

输出验证 #

运行后得到的tags变量和你需要的结构完全一致：

{
    'RSO': '136',
    '3AD': '53',
    'Lost in transition': '2803'
}

内容的提问来源于stack exchange，提问作者Edward Lauren