使用BeautifulSoup在流文本中刮取B

Question

我有以下bs4元素标记：

<span><span>some content</span> B</span>

字符串B的长度未知（为了简化，我将其命名为B）

如何使用beautifulSoup提取“b”？或者我只需要提取文本，然后使用一些regexp技术作为解决方案

谢谢

编辑：完整的代码

def get_doc_yakarouler(license_plate,url = 'https://www.yakarouler.com/car_search/immat?immat='):
    response = requests.get(url+license_plate)
    content = response.content 
    doc = BeautifulSoup(content,'html.parser')
    result = doc.span.text
    if 'identifié' in result :
        return doc
    else : 
        return f"La plaque {license_plate} n'est pas recensé sur yakarouler"

doc = get_doc_yakarouler('AA300AA')
span = doc.find_all('span')
motorisation_tag = span[1]

我想提取“1.6 TDI”

我使用以下方法找到了解决方案：motorization_tag.text.replace（u'\xa0'，''）.split（''）[1]，但我想知道是否可以直接使用bs4

Answer 1

from bs4 import BeautifulSoup as bs , NavigableString
html = '<span><span>some content</span> B</span>'
soup = bs(html, 'html.parser')
span = soup.find("span")
# First approach Using Regular Expressions
outer_text_1 = span.find(text=True, recursive=False)
# Second approach is looping through the contents of the tag and check if it's the outer text and not a tag
outer_text_2 = ' '.join([t for t in span.contents if type(t)== NavigableString])

print(outer_text_1) # output B
print(outer_text_2) # output B

Answer 2

假设您有一个变量span，它表示外部<span>标记，您可以执行以下操作来提取“B”：span.contents[1]。这是因为.contents将返回标记内容的列表，在本例中为[<span>some content</span>, ' B']。然后可以访问“B”文本作为数组的第二个元素。请注意，如果B前面有空格，如HTML示例中所示，则该空格将包含在字符串中