Python3+BeautifulSoup 如何获取指定类名div元素的内部文本
BeautifulSoup 获取指定 class 标签内纯文本的调整方案
问题根源
你当前使用的findAll方法,返回的是所有匹配筛选条件的标签对象组成的列表,而非标签内部的文本内容,因此输出完整div标签是符合方法设计逻辑的正常结果。
代码调整方式
根据实际场景中匹配到的div数量,选择对应写法即可:
场景1:页面中仅存在1个wordlist-item类的div
直接用find方法获取单个标签对象,再提取内部文本:
# 直接获取匹配的单个div标签对象 target_div = soup2.find("div", attrs={"class": "wordlist-item"}) # 提取标签内的纯文本 pure_text = target_div.get_text() # 此时pure_text的值为目标文本 "accepted"
说明:
- 用
find替代findAll,会直接返回第一个符合筛选条件的标签,不需要对列表做下标取值,适配单匹配场景更高效 - 简单无嵌套子标签的结构下,也可以用
target_div.string拿到文本,效果和get_text()一致
场景2:页面中存在多个wordlist-item类的div
保留findAll的返回结果,遍历每个标签提取文本:
# 获取所有匹配的div标签列表 matched_divs = soup2.findAll("div", attrs={"class": "wordlist-item"}) # 批量提取每个div内部的纯文本 text_content_list = [div.get_text() for div in matched_divs] # 目标文本"accepted"对应text_content_list的第一个元素
注意事项
如果直接打印findAll的返回结果,BeautifulSoup会输出列表内每个标签的完整HTML代码,这就是你之前看到完整div标签的原因。get_text()方法的通用性更强,哪怕标签内部存在嵌套子标签,也能正确提取所有文本内容。
内容的提问来源于stack exchange,提问作者Robert Tudor
相关产品推荐
相关产品推荐

