使用BeautifulSoup从html中提取除script标签内容之外的文本

Question

我有这样的html<span class="age">    Ages 15    <span class="loc" id="loc_loads1">     </span>     <script>        getCurrentLocationVal("loc_loads1",29.45218856,59.38139268,1);     </script></span>我正在尝试Age 15使用BeautifulSoup所以我写了python代码如下代码：from bs4 import BeautifulSoup as bsimport urllib3URL = 'html file'http = urllib3.PoolManager()page = http.request('GET', URL)soup = bs(page.data, 'html.parser')age = soup.find("span", {"class": "age"})print(age.text)输出：Age 15 getCurrentLocationVal("loc_loads1",29.45218856,59.38139268,1);我只想要标签Age 15内的功能script。有没有办法只获取 text: Age 15？或者有什么方法可以排除script标签的内容？PS：script标签太多，URL不同。我不喜欢从输出中替换文本。

Answer 1

用 .find(text=True)

前任：

from bs4 import BeautifulSoup

html = """<span class="age">

    Ages 15

    <span class="loc" id="loc_loads1">

     </span>

     <script>

        getCurrentLocationVal("loc_loads1",29.45218856,59.38139268,1);

     </script>

</span>"""

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

print(soup.find("span", {"class": "age"}).find(text=True).strip())

输出：

Ages 15

Answer 2

迟到的答案，但为了将来参考，您还可以使用分解（）从 中删除所有script元素html，即：

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

# remove script and style elements                         

for script in soup(["script", "style"]):                   

    script.decompose()                                     

print(soup.find("span", {"class": "age"}).text.strip())    

# Ages 15