pythonでhtmlのタグのない部分を取得したい(BeautifulSoup)

Question

今回やりたいことはタグの無いところに、タグをつけたいと思っています。

<!--現在-->
<p class = "hoge">文章、文章、文章、文章、文章、文章、</p>
文章2、文章2、文章2、文章2、文章2、文章2、文章2、文章2、
<p class = "hoge">文章、文章、文章、文章、文章、文章、</p>
文章2、文章2、文章2、文章2、文章2、文章2、文章2、文章2、
<p class = "hoge">文章、文章、文章、文章、文章、文章、</p>
文章2、文章2、文章2、文章2、文章2、文章2、文章2、文章2、

<!--目標-->
<p class = "hoge">文章、文章、文章、文章、文章、文章、</p>
<p class = "hoge2">文章2、文章2、文章2、文章2、文章2、文章2、文章2、文章2、</p>
<p class = "hoge">文章、文章、文章、文章、文章、文章、</p>
<p class = "hoge2">文章2、文章2、文章2、文章2、文章2、文章2、文章2、文章2、</p>
<p class = "hoge">文章、文章、文章、文章、文章、文章、</p>
<p class = "hoge2">文章2、文章2、文章2、文章2、文章2、文章2、文章2、文章2、</p>

今できることは、hogeで囲われてる文章は配列に入れることはできます。
hoge2で囲うべきところを配列に入れられたら、すぐに目標達成なのですが、それが今のところできていません。

一応調べた感じだとBeautifulSoupを使いそうですが、なかなか分かりません。わかる方いましたら、教えてください。

Answer 1

p = soup.select_one("親ノード")
a = p.children
print(a)

で、a[0]に最初の改行（あれば）、
a[1]に最初のpノード、
a[2]に最初の"\n文章2、文章2、文章2、文章2、文章2、文章2、文章2、文章2、\n"、
以下同様に入るので、あとは好きなように加工します。

Comments

[oika77]

なるほどそういうやり方もあったのですね。
ありがとうございます！！

Answer 2

まず、soupを用意して、contentにはhtmlのデータが入っています。
そして、find_allでpタグを取得すると配列なので、p_tagに配列として格納します。
それで、各々にnext_sibling.strip()をつけることで、pタグ以外のところが取得できます。

next_siblingは指定の要素の次にあり、かつ同一階層にある要素を一つだけ返す。ということでした。

コード
soup = BeautifulSoup(content, "html.parser")

p_tag = soup.find_all("p")
for p in p_tag:
    print(p.next_sibling.strip())

Comments

[oika77]

このやり方でもできました。