BS4如何在不使用.text的情況下獲取文本？

Question

這是從網站的源代碼佈局：

<div class="address"> 
    <a href="https://website.ca/classifieds/59-barclay-street/"> 
     59 Some Street<br />City, Zone 1 
    </a> 
</div> 

我想獲得的街道號碼，路線，以及城市地理編碼谷歌。如果我這樣做

>>>article.find('div', {'class': 'address'}).text 
'59 Some StreetCity, Zone 1' 

它帶走了<br />，我離開了，沒有辦法從分裂城市的航線。如果我做str().replace('<br />',', ')那麼我必須以某種方式將其再次轉換爲之前的任何類型，因此我可以使用.text來獲取<a href>之間的實際文本，效率很低。我想使用.text用於獲取實際文本的功能，但沒有刪除<br>內容的功能。我在env找不到一個名爲BeautifulSoup.py的文件，所以我正在查看GitHub上的BeautifulSoup源代碼，並且在那裏我找不到def text，我不知道在哪裏可以看到。

更新：

articles = page_soup.find('h2', text='Ads').find_next_siblings('article') 
for article in articles: 
    link = article.find('a') 
    br = link.find('br') 
    ad_address = br.previous_sibling.strip() + ', ' + br.next_sibling.strip().partition(', Zone ')[0] 
    #ad_address = link.br.replace_with(', ').get_text().strip().partition(', Zone ') 

Answer 1

您可以找到br分隔標籤，並獲得兄弟姐妹周圍：

In [4]: br = soup.select_one("div.address > a > br") 

In [5]: br.previous_sibling.strip() 
Out[5]: u'59 Some Street' 

In [6]: br.next_sibling.strip() 
Out[6]: u'City, Zone 1' 

---

您也可以找到br元素，將其替換爲使用空間replace_with()：

In [4]: a = soup.select_one("div.address > a") 
In [5]: a.br.replace_with(" ") 

In [6]: a.get_text().strip() 
Out[6]: u'59 Some Street City, Zone 1' 

---

或者，您也可以加入a標籤內的所有文本節點：

In [7]: a = soup.select_one("div.address > a") 
In [8]: " ".join(a.find_all(text=True)).strip() 
Out[8]: u'59 Some Street City, Zone 1' 

Answer 2

嘗試：

soup.find('div', {'class':'address'}).get_text(separator=u"<br/>").split(u'<br/>') 

分隔關鍵字定義內部HTML其串接文本。

http://omz-software.com/pythonista/docs/ios/beautifulsoup_ref.html

Answer 3

嘗試：

for link_to_text in links: 
    Print link_to_text.get_text()