如何获取</h3>和<br/>之间的文本值

Question

我尝试使用python和beautiufflsoup进行屏幕抓取。我遇到的一个问题是我不知道如何获得<br/>之前的文本值

以下是一个例子：

<h3>
    Francois  Abboud
</h3>
Professor,&nbsp;
Internal Medicine
<br />
<br />

Answer 1

tsup，如果将该html赋给如下字符串值：

html = 'your html here'

然后可以对其进行拆分，字符串将被拆分为一个字符串值数组，在指定的分隔符的任一侧保存字符串：

^{pr2}$

如果您需要任何帮助，或者如果我没有正确理解您的问题，请发表意见

Answer 2

我想你可以用.next_sibling：

>>> from bs4 import BeautifulSoup
>>> 
>>> html = """
... <h3>
...     Francois  Abboud
... </h3>
... Professor,&nbsp;
... Internal Medicine
... <br />
... <br />
... """
>>> 
>>> soup = BeautifulSoup(html)
>>> 
>>> for h3 in soup.findAll("h3"):
...     print 'h3:'
...     print repr(h3)
...     print 'next sibling:'
...     print repr(h3.next_sibling)
... 
h3:
<h3>
    Francois  Abboud
</h3>
next sibling:
u'\nProfessor,\xa0\nInternal Medicine\n'

我应该说两分钟前我不知道怎么做，但是我知道findAll。所以我得到了一个h3对象，我使用IPython的tab completion来查看里面有什么，它有h3.next_element和{}的东西，我试了一下，直到其中一个成功。在