(蟒蛇)使用漂亮的汤解析某些 HTML 输出标记

Question

你好:)在玩了一会儿之后，我想出了以下函数，它返回完整的 HTML 标记，而不仅仅是倒置<<em>中的部分>"this"<</em>>

from BeautifulSoup import BeautifulSoup
from urllib2 import urlopen
def get_wotd():
    return str((BeautifulSoup(urlopen('http://www.reference.com/wordoftheday'))).findAll('h2'))
print get_wotd()

例如，今天的单词是"nosh"。而不是得到：

[<h2 class="me">nosh</h2>]

我需要输出，简单地说，

nosh

有人知道我怎么能做到这一点吗？

Answer 1

使用 .text 属性获取内部文本，并改用find()方法：

>>> from BeautifulSoup import BeautifulSoup
>>> from urllib2 import urlopen
>>> soup = BeautifulSoup(urlopen('http://www.reference.com/wordoftheday'))
>>> soup.find('h2').text
u'nosh'

Answer 2

使用 lxml 而不是 BeautifulSoup：

>>> from lxml.html import parse
>>> tree = parse("http://www.reference.com/wordoftheday")
>>> tree.xpath("//h2")[0].text
'nosh'