使用BeautifulSoup通过标签属性检索提取行内指定文本

错误原因分析 #

• soup.find_all() 返回的是匹配到的元素列表，不能直接对列表调用 find() 方法，必须遍历列表中的每个元素单独操作。
• 你在筛选p标签的属性时，把内部i标签的class属性直接写到了p标签的筛选条件里，BeautifulSoup不会跨元素匹配属性，所以这个筛选条件永远匹配不到结果。

正确实现代码 #

使用CSS选择器可以更简单直观地完成需求，代码示例如下：

from bs4 import BeautifulSoup

# 假设你已经将HTML源码存入html_content变量
soup = BeautifulSoup(html_content, 'html.parser')

# 方法1：直接提取所有正确答案
answers = []
# 定位符合条件的i标签，再取父元素p的文本内容
for correct_i in soup.select('p.answer > i.fa.fa-circle'):
    ans_text = correct_i.parent.get_text(strip=True)
    answers.append(ans_text)

print(answers) # 输出结果：['holy place', 'plays']

# 方法2：按题目块匹配，同时存储题目和对应答案
question_blocks = soup.find_all('div', class_='card card-custom custom-color')
qa_pairs = []
for block in question_blocks:
    # 提取题干
    question = block.find('h1', class_='card-header').get_text(strip=True)
    # 提取该题正确答案
    correct_i = block.select_one('p.answer > i.fa.fa-circle')
    answer = correct_i.parent.get_text(strip=True) if correct_i else ''
    qa_pairs.append({'question': question, 'answer': answer})

如果解析过程中出现格式问题，可以安装lxml解析库，将代码中的html.parser替换为lxml即可。

内容的提问来源于stack exchange，提问作者Mehady