如何使用BeautifulSoup提取XML中指定<p>标签下的文本内容

嘿，我来帮你搞定这个问题！你当前的代码是把每个<sec>标签里的所有文本都打印出来，这会把标题和目标段落的内容混在一起，而且没精准定位到你要的<p id="p0055">元素，所以才达不到预期效果。咱们调整下代码，精准定位目标内容就行啦：

方法一：直接定位目标

标签 #

你可以直接用find()方法，同时指定标签名和id属性，一步找到你要的段落，再提取它的文本：

from bs4 import BeautifulSoup

with open('test.xml', 'r') as file:
    soup = BeautifulSoup(file, 'xml')

# 精准匹配id为p0055的<p>标签
target_paragraph = soup.find('p', id='p0055')

if target_paragraph:
    # 提取该标签下的全部文本（包括子标签里的内容，比如上标引用号）
    print(target_paragraph.get_text())

方法二：先定位父级再找目标

#

如果你的XML里有多个<sec>标签，担心其他sec里可能有重复id的情况，也可以先定位到目标<sec id="sec2.1">，再在它内部找对应的p标签，这样更稳妥：

from bs4 import BeautifulSoup

with open('test.xml', 'r') as file:
    soup = BeautifulSoup(file, 'xml')

# 先找到id为sec2.1的sec标签
target_section = soup.find('sec', id='sec2.1')
if target_section:
    # 在该sec内部找id为p0055的p标签
    target_paragraph = target_section.find('p', id='p0055')
    if target_paragraph:
        print(target_paragraph.get_text())

为什么你原来的代码没生效？ #

你之前的代码遍历所有<sec>标签并打印tag.text，这会把每个sec里的所有内容（包括<title>的文本和所有段落文本）全部拼接在一起输出，自然没法单独拿到你要的那段指定p标签里的内容啦。

备注：内容来源于stack exchange，提问作者Alex Maina