如何取消对div中第一个x个p标记的刮取并打印其余的p标记？

Question

我很高兴过去几天一直在学习python。今天我要讲一个叫做网络抓取的话题。我试图刮除div中的所有p标签，除了前3个p标签。因为p标记没有类或id，所以我找不到方法取消它们

我的代码：

from bs4 import BeautifulSoup

data = '''<div class="one">
    <p style="color:red">Dummy Text</p>
    <p style="color:red">Unwanted Text</p>
    <p style="color:red">No Text</p>
    <p style="color:red">Lorem ipsum dolor sit amet</p>
    <p style="color:red">sed do eiusmod tempor incididunt</p>
    <p style="color:red">consectetur adipiscing elit</p>
    <p style="color:red">ut labore et dolore magna</p>
</div>'''

text = BeautifulSoup(data, 'html.parser')
for result in text.find_all('p'):
    print(result.get_text())

我的输出：

• 虚拟文本
• 不需要的文本
• 没有文本
• Lorem ipsum dolor sit amet
• 临时工程量清单
• 献祭精英
• 我们的劳动和医疗保险公司

我需要的是：

• Lorem ipsum dolor sit amet

由于我是SOF新手，请在评论中提及我是否违反了任何准则。

Answer 1

方法一：

根据您的要求查找所有p标签和索引

soup = BeautifulSoup(data, 'html.parser')
soup.find_all("p")[3:]

方法二：

soup = BeautifulSoup(data, 'html.parser')
data=soup.select_one("div > p:nth-of-type(2)")
data.find_next().find_next_siblings()

代码细目：

首先使用选择一个方法，并使用css选择器查找p标记，其中数据返回

在最后一行中，我们将找到下一个元素及其同级

输出（两种方法相同）：

[<p style="color:red">Lorem ipsum dolor sit amet</p>,
 <p style="color:red">sed do eiusmod tempor incididunt</p>,
 <p style="color:red">consectetur adipiscing elit</p>,
 <p style="color:red">ut labore et dolore magna</p>]

Answer 2

您应该将div字符串添加到数组中以存储它们。然后应该删除数组的前三个元素。可以这样做：

text = BeautifulSoup(data, 'html.parser')
p_list = []
for result in text.find_all('p'):
    p_list.append(result.get_text())
# this selects all elements from the list after the third
p_list = p_list[3:]

这将为您提供一个包含除前三个元素之外的所有p元素的列表。