如何獲得免費的HTML內容的非div標籤

Question

我想找到除了內<div id="nav">

舉例而言，所有標籤的免費的HTML內容的標籤，具有以下HTML：

<div id="nav"> 
    <h1>Navigate!</h1> 
    <nav role="navigation"> 
     <h2 class="structural">Main navigation</h2> 
     <ul> 
      <li><a href="/">Home</a></li> 
      <li><a href="/about/">About</a></li> 
     </ul> 
     </nav> 

     <div id="inside_nav"> 
      <ul>  
       <li><a href="/">inside_home</a></li> 
       <li><a href="/about/">inside_About</a></li> 
      </ul> 
     </div> 
</div> 

代碼：

div = soup1.find("div", id="nav") 

def match_only_non_divs(tag): 
    return (tag.findParent("div").get('id') == div.get('id')) and tag.name != "div" 

print div.findAll(match_only_non_divs, text=True) 

此代碼應輸出：

[u'\n', u'Navigate!', u'Main navigation', 
u'Home', u'About', u'\n'] 

但是！它實際上是輸出：

[u'\n', u'Navigate!', u'Main navigation', 
u'Home', u'About', u'\n', 
u'inside_home', u'inside_About', u'\n'] 

的代碼不應該走內部的div內（ID =「inside_nav」），但它是內部的準備。 請幫忙!!你

Answer 1

兩種選擇：

print [t.string for t in div.findAll(match_only_non_divs)] 
# [u'Navigate!', None, u'Main navigation', None, None, u'Home', None, u'About'] 

print [t.string for t in div.findAll(match_only_non_divs) if t.string] 
# [u'Navigate!', u'Main navigation', u'Home', u'About'] 

Answer 2

至於問題的原因，這裏是什麼醫生說關於text關鍵字：

如果你使用的文字，那麼任何值，你給的名稱和關鍵字參數被忽略。

所以，findAll基本上忽略了div.findAll(match_only_non_divs, text=True)match_only_non_divs。你應該在做完匹配後得到文本（正如John Keyes所建議的那樣）。