如何在Python中提取<h1></h1>之间的文本？

Question

我被困在

<h1>

和

</h1>

之间提取文本。

请帮助我。

我的代码是：

import bs4
import re
import urllib2

url2='http://www.flipkart.com/mobiles/pr?sid=tyy,4io&otracker=ch_vn_mobile_filter_Top%20Brands_All#jumpTo=0|20'
htmlf = urllib2.urlopen(url2)
soup = bs4.BeautifulSoup(htmlf)
#res=soup.findAll('div',attrs={'class':'product-unit'})
for res in soup.findAll('a',attrs={'class':'fk-display-block'}):
    suburl='http://www.flipkart.com/'+res.get('href')
    subhtml = urllib2.urlopen(suburl)
    subhtml = subhtml.read()
    subhtml = re.sub(r'\s\s+','',subhtml)
    subsoup=bs4.BeautifulSoup(subhtml)
    res2=subsoup.find('h1',attrs={'itemprop':'name'})
    if res2:
        print res2

输出：

<h1 itemprop="name">Moto G</h1>
<h1 itemprop="name">Moto E</h1>
<h1 itemprop="name">Moto E</h1>

但我想要这个：

Moto G
Moto E
Moto E

Answer 1

在任何 HTML 标签上，执行

get_text()

都会给出与该标签关联的文本。所以，你只需要在 res2 上使用

get_text()

即可。即，

if res2:
    print res2.get_text()

PS：顺便说一句，我认为代码中的这行

subhtml = re.sub(r'\s\s+','',subhtml)

是一项昂贵的操作。如果您所做的只是摆脱多余的空间，您可以这样做：

if res2:
    print res2.get_text().strip()

Answer 2

你可以试试这个：

 res2=subsoup.find('h1',attrs={'itemprop':'name'})
    if res2:
        print res2.text

添加

res2.text

就可以了。