Извлекаем текст из тега span с помощью BeautifulSoup: Полное руководство на Python

04.11.2025
62057

4 мин
30

В этом руководстве мы подробно рассмотрим, как извлекать текст из HTML-тегов  с использованием библиотеки BeautifulSoup в Python. BeautifulSoup – мощный инструмент для парсинга HTML и XML, который широко применяется для веб-скрапинга и анализа данных. Мы изучим основные и продвинутые методы, предоставим примеры кода и обсудим лучшие практики.

Основы работы с BeautifulSoup и тегом span

Установка и импорт BeautifulSoup: Подготовка к парсингу

Прежде чем начать, убедитесь, что BeautifulSoup установлен. Используйте pip:

pip install beautifulsoup4 requests lxml

Также рекомендуется установить requests для загрузки HTML-контента и lxml как более быстрый парсер.

Для начала работы импортируйте необходимые модули:

from bs4 import BeautifulSoup
import requests

Разбор HTML-кода: Создание объекта BeautifulSoup

Чтобы использовать BeautifulSoup, сначала нужно получить HTML-код и создать объект BeautifulSoup. Например:

url = 'https://example.com'
response = requests.get(url)
response.raise_for_status() # Проверка на ошибки при запросе
html_content = response.content

soup = BeautifulSoup(html_content, 'lxml') # Используем lxml парсер

Извлечение текста из одного тега span

Метод find(): Поиск первого вхождения тега span

Метод find() позволяет найти первое вхождение тега  на странице. Пример:

span_tag = soup.find('span')

if span_tag:
    print(span_tag) #Вывод тега span

Методы .string и get_text(): Различия и применение для извлечения текста

Для извлечения текста из тега  можно использовать .string или .get_text(). Основное различие заключается в обработке дочерних элементов:

.string возвращает текст только если тег содержит единственный текстовый узел. Если внутри  есть другие теги, .string вернет None.
.get_text() возвращает весь текст внутри тега, включая текст из всех дочерних тегов, объединяя его в одну строку.

Пример:

html = """
<div>
  <span>Текст 1</span>
  <span>Текст 2 <b>Жирный текст</b></span>
</div>
"""
soup = BeautifulSoup(html, 'lxml')

span1 = soup.find_all('span')[0]
span2 = soup.find_all('span')[1]

print(span1.string) # Вывод: Текст 1
print(span2.string) # Вывод: None
print(span1.get_text()) # Вывод: Текст 1
print(span2.get_text()) # Вывод: Текст 2 Жирный текст

Извлечение текста из нескольких тегов span

Метод find_all(): Поиск всех тегов span на странице

Для поиска всех тегов  на странице используйте метод find_all():

all_spans = soup.find_all('span')
print(len(all_spans)) # Количество найденных span

Использование циклов для обработки списка найденных тегов

После получения списка тегов , можно итерироваться по нему и извлекать текст:

for span in all_spans:
    text = span.get_text()
    print(text)

Продвинутые методы извлечения текста из span

Извлечение текста из span с определенными атрибутами (class, id)

Часто требуется извлекать текст только из тех тегов , которые имеют определенные атрибуты, например, class или id. Это можно сделать, передав атрибуты в метод find() или find_all():

span_with_class = soup.find('span', class_='my-class')
if span_with_class:
    print(span_with_class.get_text())

spans_with_id = soup.find_all('span', {'id': 'my-id'})
for span in spans_with_id:
    print(span.get_text())

Альтернативный способ, использование CSS селекторов:

span_with_class = soup.select_one('span.my-class') # find()
spans_with_id = soup.select('span#my-id') # find_all()

Работа с вложенными тегами span: Извлечение текста из внутренних элементов

Если у вас есть вложенные теги , вы можете извлекать текст как из родительского, так и из дочерних элементов. Например, чтобы получить текст только из дочернего элемента, сначала найдите родительский элемент, а затем дочерний:

parent_span = soup.find('span', class_='parent')
if parent_span:
    child_span = parent_span.find('span', class_='child')
    if child_span:
        print(child_span.get_text())

Чтобы извлечь текст из всех вложенных тегов, можно использовать .get_text(separator=''), чтобы объединить текст без разделителей, или указать желаемый разделитель.

Заключение

В этом руководстве мы рассмотрели различные способы извлечения текста из тегов  с использованием BeautifulSoup. Мы научились извлекать текст как из отдельных тегов, так и из нескольких, фильтровать теги по атрибутам и работать с вложенными элементами. Эти знания помогут вам эффективно парсить HTML и извлекать необходимую информацию для ваших проектов.

Важно помнить про обработку ошибок, например, когда тег не найден. Использовать try-except блоки или проверять результат find() на None.

try:
    span = soup.find('span', class_='not-exists')
    print(span.get_text())
except AttributeError as e:
    print(f'Span not found: {e}')

# or

span = soup.find('span', class_='not-exists')
if span:
  print(span.get_text())
else:
  print('Span not found')