如何使用 BeautifulSoup 获取标签内的 html 文本

如何从示例 HTML 中提取数据beautifulsoup?

<Tag1>
    <message code="able to extract text from here"/>
    <text value="able to extract text that is here"/>
    <htmlText>&lt;![CDATA[&lt;p&gt;some thing &lt;lite&gt;OR&lt;/lite&gt;get exact data from here&lt;/p&gt;]]&gt;</htmlText>
</Tag1>

我都尝试过.findall and .get_text，但是我无法从中提取文本值htmlText元素。

预期输出：

some thing ORget exact data from here

您可以使用 BeautifulSoup 两次，首先提取htmlText元素，然后解析内容。例如：

from bs4 import BeautifulSoup
import lxml

html = """
<Tag1>
    <message code="able to extract text from here"/>
    <text value="able to extract text that is here"/>
    <htmlText>&lt;![CDATA[&lt;p&gt;some thing &lt;lite&gt;OR&lt;/lite&gt;get exact data from here&lt;/p&gt;]]&gt;</htmlText>
</Tag1>
"""
soup = BeautifulSoup(html, "lxml")

for tag1 in soup.find_all("tag1"):
    cdata_html = tag1.htmltext.text
    cdata_soup = BeautifulSoup(cdata_html, "lxml")
    
    print(cdata_soup.p.text)

它将显示：

some thing ORget exact data from here

Note: lxml https://www.crummy.com/software/BeautifulSoup/bs4/doc/#installing-a-parser还需要安装使用pip install lxml。 BeautifulSoup 会自动导入它。