靓汤：获取没有特定类的特定文本

Question

我试图得到下面突出显示的文本“frei ab 01.05.2017”。但问题是，“section_content iwüu right”类在该网站上存在了19次。我会做一个find_all并从那里只返回第11个元素，但是在一些我想抓取的站点上，这个类的数量是不同的，所以我可能不会总是找到正确的。有什么想法吗？谢谢！在

Answer 1

您可以使用lxml，它比BeautifulSoup快一个数量级。在

下面的代码可以帮助您实现期望的结果。在

from lxml import html
html_string = """
    <div class="clear">
        <div class="section_content iw_right">
            <p>
            <span>
            </span>
            <strong>hello</strong>
            <br>
            <strong>gen</strong>
            </p>
        </div>
    </div>

    <div class="clear">
        <p>
        <span>
        </span>
        <strong>hello1</strong>
        <br>
        <strong>gen1</strong>
        </p>
    </div>
"""
root = html.fromstring(html_string)
r_xp = [elem.xpath('.//p/strong/text()')[0] for elem in root.xpath('//div[@class="clear"]')]
print(r_xp)

注意在示例html_string中，类为"section_content iw_right"的div从第二个div中消失。在

上述代码将导致：

^{pr2}$

Answer 2

获取所需元素的一种方法是使用前面的标签-找到带有“Erdgeschoss”文本和find the next ^{} sibling的span元素：

label = soup.find("span", text="Erdgeschoss")
print(label.find_next_sibling("strong").get_text())