BeautifulSoup選擇器：選擇包含多個單字的HTML元素

Question

有沒有辦法讓我使用BeautifulSoup來取得包含多個單字的標籤的文字？

例如，如果我有以下HTML：

<div>
    <div>
        <a>hello there</a>
        <a>hi</a>
    </div>
    <a>what's up</a>
    <a>stackoverflow</a>
</div>

...我只想取得hello there what's up

Answer 1

你絕對可以使用BeautifulSoup來擷取包含多個單字的HTML標籤中的文字。在你的例子中，你想要從包含多個單字內容的<a>標籤中提取文字。以下是使用Python中的BeautifulSoup來實現這一目標的方法。

from bs4 import BeautifulSoup

html = '''
<div>
    <div>
        <a>hello there</a>
        <a>hi</a>
    </div>
    <a>what's up</a>
    <a>stackoverflow</a>
</div>
'''

soup = BeautifulSoup(html, 'html.parser')

target_tags = soup.find_all('a')  # 找到所有的<a>标签
multi_word_texts = []

for tag in target_tags:
    if ' ' in tag.get_text():  # 检查标签文本是否包含空格（表示多个单词）
        multi_word_texts.append(tag.get_text())

result = ' '.join(multi_word_texts)
print(result)