BeautifulSoup4如何获取父元素文本并忽略子元素文本？

我懂你遇到的问题了——你想拿到<a>标签里的直接文本，跳过里面<span>的内容，但当前用obj.find(text=True)只会返回第一个匹配的文本节点，所以只拿到了"aaa"。这里有两种靠谱的解决方法：

方法1：筛选并拼接直接文本节点 #

这种方法会保留子元素，只提取父元素下的直接文本节点：

from bs4 import BeautifulSoup, NavigableString

text = """<a aria-expanded="false" aria-owns="faqGen5" href="#">aaa <span class="nobreak">bbb</span> ccc?</a>"""
obj = BeautifulSoup(text, 'html.parser')
a_tag = obj.find('a')

# 遍历父元素的所有直接子节点，筛选出纯文本节点并拼接
direct_text = ''.join(
    [node.strip() + ' ' for node in a_tag.contents if isinstance(node, NavigableString)]
).strip()

print(direct_text)  # 输出结果：aaa ccc?

原理是a_tag.contents会返回父元素下的所有直接子节点（包括文本和子元素），我们用isinstance(node, NavigableString)判断哪些是纯文本节点，最后把这些文本片段拼接并整理空格。

方法2：移除子元素后提取文本 #

如果不需要保留子元素，可以直接把它们从DOM树中移除，再提取剩余文本：

from bs4 import BeautifulSoup

text = """<a aria-expanded="false" aria-owns="faqGen5" href="#">aaa <span class="nobreak">bbb</span> ccc?</a>"""
obj = BeautifulSoup(text, 'html.parser')
a_tag = obj.find('a')

# 移除父元素下的所有子元素
for child in a_tag.find_all():
    child.decompose()

# 提取并整理剩余文本
direct_text = a_tag.get_text(strip=True, separator=' ')

print(direct_text)  # 输出结果：aaa ccc?

decompose()方法会彻底删除子元素，之后用get_text()就能拿到父元素剩下的所有文本，strip=True和separator=' '可以帮你自动处理多余的空格和换行。

两种方法都能达到你的需求，你可以根据是否需要保留子元素来选择~

内容的提问来源于stack exchange，提问作者Vishnudev Krishnadas