如何使用漂亮汤从html内容中提取标记

Question

我有一些类似于下面的html代码，我正在尝试从其中解析/提取一些内容。

<div class="row d-3">
    <div class="col-16 col-sm-8">
        <strong>Category</strong> <br>
        // *** extract this text ***
        Clothing</div>
    <div class="col-16 col-sm-8">
        <strong>Sub-category</strong> <br>
          // *** extract this text ***
         this is Sub-category
        </div>
    <div class="col-16 col-sm-8">
        <strong>product</strong> <br>
        // *** extract this text ***
        This is the actual product </div>
</div>

我需要以下几点：

{类别:服装，子类别:这是子类别，产品:这是实际产品}。

我尝试了以下几点：

for b in soup.find_all("div", class_="row d-3"):
  print(b.strong.get_text())

但我只能提取Category，而不能提取Clothing。

Answer 1

如何实现？

您可以使用contents或在下面的stripped_strings解决方案中使用生成器

list(b.stripped_strings)

#Output --> ['Category', 'Clothing', 'Sub-category', 'this is Sub-category', 'product', 'This is the actual product']

要在dict中转换此结果集，可以使用：

dict({x for x in zip(s[::2],s[1::2])})

例如：

html = '''
<div class="row d-3">
    <div class="col-16 col-sm-8">
        <strong>Category</strong> <br>
        Clothing</div>
    <div class="col-16 col-sm-8">
        <strong>Sub-category</strong> <br>
         this is Sub-category
        </div>
    <div class="col-16 col-sm-8">
        <strong>product</strong> <br>
        This is the actual product </div>
</div>'''

soup = BeautifulSoup(html, "lxml")

for b in soup.find_all("div", class_="row d-3"):
    s = list(b.stripped_strings)
    print(dict({x for x in zip(s[::2],s[1::2])}))

输出：

{'Category': 'Clothing', 'Sub-category': 'this is Sub-category', 'product': 'This is the actual product'}