100 votes

Extraire uniquement le texte de cet élément, pas ses enfants

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> '.

95voto

jbochi Points 12280

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'

44voto

TigrisC Points 738

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'

16voto

Horst Miller Points 157

Cela fonctionne pour moi dans bs4:

 import bs4
node = bs4.BeautifulSoup('<html><div>A<span>B</span>C</div></html>').find('div')
print "".join([t for t in node.contents if type(t)==bs4.element.NavigableString])

production:

 AC

5voto

mzjn Points 14148

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.com

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.

Powered by:

X