如何使用beautifulsoup4提取html？

Question

的HTML如下：

<td class='Thistd'><a ><img /></a>Here is some text.</td> 

我只是想在<td>的字符串。我不需要<a>...</a>。 我該怎麼做？

我的代碼：

from bs4 import BeautifulSoup 
html = """<td class='Thistd'><a><img /></a>Here is some text.</td>""" 

soup = BeautifulSoup(html) 
tds = soup.findAll('td', {'class': 'Thistd'}) 
for td in tds: 
    print td 
    print '=============' 

我得到的是<td class='Thistd'><a ><img /></a>Here is some text.</td>

但我只需要Here is some text.

Answer 1

使用td.getText()從您的元素中獲取純文本。

即）

for td in tds: 
    print td.getText() 
    print '=============' 

輸出：

Here is some text. 
============= 

---

編輯：

可以刪除<a>元素然後打印左邊。 .extract方法移除從可用BS4對象

IE）的特定標籤

for td in tds: 
    td.a.extract() 
    print td 

輸出：

<td class="Thistd">Here is some<b>here is a b tag </b></td> 

Answer 2

代碼：

from bs4 import BeautifulSoup 
html = """<td class='Thistd'><a ><img /></a>Here is some text.</td>""" 

soup = BeautifulSoup(html) 
tds = soup.findAll('td', {'class': 'Thistd'}) 
for td in tds: 
    print td.text#the only change you need to do 
    print '=============' 

輸出：

Here is some text. 
============= 

注：

的.text用來獲取唯一指定BS4對象的文本屬性在這種情況下，它是td標籤。對於更多信息，它着眼於official site