如何用Python BeautifulSoup从指定HTML的span标签中提取数据？

我来帮你一步步拆解怎么用Python的BeautifulSoup库从这段HTML的products区块里提取价格数据，步骤很清晰：

第一步：准备工作 #

首先确保你已经安装了BeautifulSoup和（如果需要从网页获取HTML的话）requests库，用pip安装：

pip install beautifulsoup4 requests

第二步：解析HTML #

先把你提供的HTML内容存成字符串（如果是从网页爬的，就用requests.get获取响应文本），然后用BeautifulSoup解析：

from bs4 import BeautifulSoup

# 你的HTML内容
html_content = '''<section class = "products"> <span class="price-box ri"> <span class="price "> <span data-currency-iso="PKR">Rs.</span> <span dir="ltr" data-price="5999">&nbsp;5,999</span> </span> <span class="price -old "> <span data-currency-iso="PKR">Rs.</span> <span dir="ltr" data-price="9999">&nbsp;9,999</span> </span> </span> </section>'''

# 解析HTML
soup = BeautifulSoup(html_content, 'html.parser')

第三步：定位products区块 #

先找到目标的<section>标签，通过它的class属性定位：

products_section = soup.find('section', class_='products')

这里用class_而不是class，因为class是Python的关键字，避免冲突。

第四步：提取价格数据 #

接下来我们可以提取当前价格和原价，有两种常用方式：提取文本内容，或者直接获取data-price属性（更精准，因为文本可能有空格或格式符）。

方式一：提取文本内容 #

# 获取当前价格的span
current_price_span = products_section.find('span', class_='price')
# 提取价格文本（去掉多余空格）
current_price = current_price_span.get_text(strip=True)
# 输出：Rs.5,999

# 获取原价的span
old_price_span = products_section.find('span', class_='price -old')
# 提取原价文本
old_price = old_price_span.get_text(strip=True)
# 输出：Rs.9,999

方式二：提取data-price属性（更推荐） #

这种方式直接拿到数字值，方便后续计算或存储：

# 获取当前价格的data-price值
current_price_num = current_price_span.find('span', {'data-price': True})['data-price']
# 输出：5999

# 获取原价的data-price值
old_price_num = old_price_span.find('span', {'data-price': True})['data-price']
# 输出：9999

完整示例代码 #

把上面的步骤整合起来：

from bs4 import BeautifulSoup

html_content = '''<section class = "products"> <span class="price-box ri"> <span class="price "> <span data-currency-iso="PKR">Rs.</span> <span dir="ltr" data-price="5999">&nbsp;5,999</span> </span> <span class="price -old "> <span data-currency-iso="PKR">Rs.</span> <span dir="ltr" data-price="9999">&nbsp;9,999</span> </span> </span> </section>'''

soup = BeautifulSoup(html_content, 'html.parser')
products_section = soup.find('section', class_='products')

# 提取带格式的价格文本
current_price_text = products_section.find('span', class_='price').get_text(strip=True)
old_price_text = products_section.find('span', class_='price -old').get_text(strip=True)

# 提取纯数字价格
current_price_num = products_section.find('span', class_='price').find('span', {'data-price': True})['data-price']
old_price_num = products_section.find('span', class_='price -old').find('span', {'data-price': True})['data-price']

print(f"当前价格（文本）：{current_price_text}")
print(f"原价（文本）：{old_price_text}")
print(f"当前价格（数字）：{current_price_num}")
print(f"原价（数字）：{old_price_num}")

运行这段代码后，你就能得到两种格式的价格数据啦，根据你的需求选择就行~

内容的提问来源于stack exchange，提问作者Aftab