python - 如何从 HTML 字符串中提取内容

Question

我想从 DIV 标签中提取内容。我正在使用scrapy来废弃一些网站，但问题是相同的DIV标签有两种类型的内容：

["<div class=\"price\">\n                <s>Rs.330</s> <b>Rs.297</b>\n                              </div>"]

和

["<div class=\"price\">\n                Rs.330              \n</div>"] 

如何从此标签中提取内容？

Answer 1

使用BeautifulSoup：

import bs4

html = "<div class=\"price\">\n                <s>Rs.330</s> <b>Rs.297</b>\n                              </div>"
soup = bs4.BeautifulSoup(html, features="xml")
s = soup.div.s.text # u'Rs.330'
b = soup.div.b.text # u'Rs.297'