如何用BeautifulSoup从Goodreads的quoteText中分离名言与作者？

嘿，我来帮你搞定这个提取名言的问题！你之前用extract()时出错，是因为这个方法根本不接受class_参数哦——它是用来移除已经定位到的元素的，不能直接传筛选条件。下面给你几个靠谱的实现方法：

方法1：先移除作者标签，再提取名言 #

这是最直接的思路：先找到作者的<a>标签，把它从父节点里移除，剩下的文本就是名言了。代码示例：

from bs4 import BeautifulSoup

# 你的HTML片段
html = '''<div class="quoteText"> “Don't cry because it's over, smile because it happened.” <br/> ― <a class="authorOrTitle" href="/author/show/61105.Dr_Seuss">Dr. Seuss</a> </div>'''
soup = BeautifulSoup(html, 'html.parser')

# 定位到quoteText容器
quote_container = soup.find(class_="quoteText")

# 提取作者名
author_tag = quote_container.find(class_="authorOrTitle")
author_name = author_tag.get_text(strip=True)

# 移除作者标签（这一步是关键！）
author_tag.extract()

# 提取并清理名言文本
quote_content = quote_container.get_text(strip=True).strip('“”')

print(f"名言：{quote_content}")
print(f"作者：{author_name}")

这里的strip('“”')是为了去掉名言前后的引号，让结果更整洁，你可以根据实际情况调整。

方法2：直接筛选文本节点 #

如果不想修改DOM结构，也可以直接遍历quoteText下的子节点，只保留纯文本内容：

from bs4 import BeautifulSoup, NavigableString

soup = BeautifulSoup(html, 'html.parser')
quote_container = soup.find(class_="quoteText")

# 提取作者名
author_name = quote_container.find(class_="authorOrTitle").get_text(strip=True)

# 筛选出所有纯文本节点，拼接后清理
quote_content = ''.join([
    node.strip() for node in quote_container.contents 
    if isinstance(node, NavigableString)
]).strip('“”')

print(f"名言：{quote_content}")
print(f"作者：{author_name}")

这种方法不会改动原有的DOM结构，适合需要保留原始HTML的场景。

方法3：用decompose()删除作者标签 #

和extract()类似，decompose()也可以删除元素，区别是它不会返回被删除的元素，直接从DOM中移除：

quote_container = soup.find(class_="quoteText")
author_tag = quote_container.find(class_="authorOrTitle")
author_name = author_tag.get_text(strip=True)

# 直接删除作者标签
author_tag.decompose()

quote_content = quote_container.get_text(strip=True).strip('“”')

总结一下：extract()是针对单个元素的方法，你得先找到要移除的子元素，再调用它的extract()，而不是给extract()传筛选参数。上面几种方法都能帮你把名言和作者分开提取，选你觉得顺手的就行～

内容的提问来源于stack exchange，提问作者Prratek Ramchandani