如何使用Beautiful Soup提取指定<em>标签间的全部数据？

嘿，我来帮你搞定这个问题！你之前用字符串分割的思路其实容易踩坑——因为HTML的字符串输出可能会有空格、换行或者格式变化，导致分割失败。咱们用BeautifulSoup的DOM节点遍历方法，更可靠也更灵活。

针对你的HTML结构的解决方案 #

你的HTML结构里，两个<em>分别在独立的<p>标签里，中间夹着另一个<p>内容。咱们可以直接定位到这两个<p>父节点，然后收集它们之间的所有兄弟节点：

from bs4 import BeautifulSoup

# 你的HTML内容
html_content = """
<p> <strong> <em> Insurtech </em> </strong> </p>
<p> .....Some data </p>
<p> <strong> <em> Biometrics </em> </strong> </p>
"""

soup = BeautifulSoup(html_content, 'html.parser')

# 获取所有<em>标签，确保至少有两个
em_tags = soup.find_all('em')
if len(em_tags) >= 2:
    first_em = em_tags[0]
    second_em = em_tags[1]
    
    # 找到两个<em>对应的父<p>标签
    first_p = first_em.find_parent('p')
    second_p = second_em.find_parent('p')
    
    # 收集两个<p>之间的所有内容
    between_content = []
    for sibling in first_p.next_siblings:
        # 遇到第二个<p>就停止遍历
        if sibling == second_p:
            break
        # 只保留有效标签节点（过滤掉换行等空白文本节点）
        if sibling.name:
            between_content.append(str(sibling))
    
    # 输出结果
    print("两个<em>之间的HTML内容：")
    print('\n'.join(between_content))
    
    # 如果只需要纯文本，这样处理：
    text_result = ' '.join([node.get_text(strip=True) for node in between_content])
    print("\n提取的纯文本内容：")
    print(text_result)
else:
    print("页面中找不到至少两个<em>标签")

更通用的解决方案（适用于任意位置的） #

from bs4 import BeautifulSoup

html_content = """
<p> <strong> <em> Insurtech </em> </strong> </p>
<div>这里也可能有内容</div>
<p> .....Some data </p>
<p><strong><em>Biometrics</em></strong></p>
"""

soup = BeautifulSoup(html_content, 'html.parser')

em_tags = soup.find_all('em')
if len(em_tags) >= 2:
    first_em = em_tags[0]
    second_em = em_tags[1]
    
    between_content = []
    current_node = first_em.next_element
    
    # 遍历节点直到遇到第二个<em>
    while current_node != second_em:
        # 处理标签节点
        if current_node.name:
            between_content.append(str(current_node))
        # 处理文本节点，过滤空白内容
        else:
            cleaned_text = current_node.strip()
            if cleaned_text:
                between_content.append(cleaned_text)
        current_node = current_node.next_element
    
    print("中间内容：")
    print('\n'.join(between_content))