Skip to main content
 首页 » 编程设计

python之无法使用 BeautifulSoup 在直接级别中提取文本

2025年04月02日9pander-it

我按照此方法使用 find(text=True, recursive=False) 从标签的直接级别提取文本正如另一个answer中提到的,但对于一些特定的标记,如 u'<p>\n <strong>\n Established\n </strong>\n 1865\n</p>\n'它不工作:

代码如下:

markup = u'<p>\n <strong>\n  Established\n </strong>\n 1865\n</p>\n' 
s = BeautifulSoup(markup, 'lxml') 
print s.find('p').find(text=True, recursive=False) 

然后打印

45: u'\n' 

如果我删除所有换行符,它就会工作 \n从标记来看效果不错,但我认为从整个 HTML 文件中随机删除所有换行符不是一个好主意。

还有其他解决方案吗?

请您参考如下方法:

find 仅返回第一个匹配项。您需要使用 find_all:

print(s.find('p').find_all(text=True, recursive=False)) 
['\n', '\n 1865\n'] 

按需处理。例如,剥离数据并将片段连接成最终文本:

data = s.find('p').find_all(text=True, recursive=False) 
text = ' '.join(i.strip() for i in data) 
print(text) 
1865