Je veux extraire uniquement le texte de l'élément le plus haut de ma soupe ; cependant soup.text donne également le texte de tous les éléments enfants :
j'ai
import BeautifulSoup
soup=BeautifulSoup.BeautifulSoup('<html>yes<b>no</b></html>')
print soup.text
La sortie vers ceci est yesno . Je veux simplement « oui ».
Quelle est la meilleure façon d'y parvenir ?
Edit : je veux aussi que yes soit affiché lors de l'analyse de ' <html><b>no</b>yes</html> '.
qu'en est-il de .find(text=True) ?
>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').find(text=True)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').find(text=True)
u'no'
ÉDITER:
Je pense avoir compris ce que tu veux maintenant. Essaye ça:
>>> BeautifulSoup.BeautifulSOAP('<html><b>no</b>yes</html>').html.find(text=True, recursive=False)
u'yes'
>>> BeautifulSoup.BeautifulSOAP('<html>yes<b>no</b></html>').html.find(text=True, recursive=False)
u'yes'
Vous pouvez utiliser le contenu
>>> print soup.html.contents[0]
yes
ou pour récupérer tous les textes sous html, utilisez findAll(text=True, recursive=False)
>>> soup = BeautifulSoup.BeautifulSOAP('<html>x<b>no</b>yes</html>')
>>> soup.html.findAll(text=True, recursive=False)
[u'x', u'yes']
ci-dessus joint pour former une seule chaîne
>>> ''.join(soup.html.findAll(text=True, recursive=False))
u'xyes'
Vous voudrez peut-être examiner le module soupparser de lxml , qui prend en charge XPath :
>>> from lxml.html.soupparser import fromstring
>>> s1 = '<html>yes<b>no</b></html>'
>>> s2 = '<html><b>no</b>yes</html>'
>>> soup1 = fromstring(s1)
>>> soup2 = fromstring(s2)
>>> soup1.xpath("text()")
['yes']
>>> soup2.xpath("text()")
['yes']
Prograide est une communauté de développeurs qui cherche à élargir la connaissance de la programmation au-delà de l'anglais.
Pour cela nous avons les plus grands doutes résolus en français et vous pouvez aussi poser vos propres questions ou résoudre celles des autres.
