Python BeautifulSoup缺少/跳过标记

如果你能给我指出正确的方向，我将不胜感激。是否有更好的方法来实现这一点并捕获所有数据（使用html标记类“Document Text”）

如果我真的喜欢这个。我在原始html字符串的末尾缺少了一些标记，字符串的大小是20K（所以它有很多数据）

下面是用于刮取的代码，该代码目前运行良好，但添加了第二个新标记，但它已损坏

 soup = BeautifulSoup(r.content, 'html5lib')
 c.case_html = str(soup.find('div', class_='DocumentText').find_all(['p','center','small']))
 print(self.case_html)

示例html如下所示，原始大小约为20K字符串

<form name="form1" id="form1">
<div id="theDocument" class="DocumentText" style="position: relative; float: left; overflow: scroll; height: 739px;">
<p>PTag</p>
<p> <center> First center </center> </p>
<small> this is small</small>
<p>...</p>
<p> <center> Second Center </center> </p>
<p>....</p>
</div>
</form>

对苯二甲酸乙二醇酯

第一中心

这个很小

第二中心

预期的产出是这样的

<div id="theDocument" class="DocumentText" style="position: relative; float: left; overflow: scroll; height: 739px;">
<p>PTag</p>
<p> <center> First center </center> </p>
<small> this is small</small>
<p>...</p>
<p> <center> Second Center </center> </p>
<p>....</p>
</div>

对苯二甲酸乙二醇酯

第一中心

这个很小

第二中心

您可以试试这个。我只是根据您给定的html代码来回答。如果你需要澄清，请告诉我。谢谢

 soup = BeautifulSoup(r.content, 'html5lib')
 case_html = soup.select('div.DocumentText')
 print(case_html.get_text())

---

c.case\u html=str（soup.find（'div'，class='DocumentText'）

为什么要将其转换为

string

？要从上面粘贴的元素中解析什么文本？预期输出是什么？预期输出是

 soup = BeautifulSoup(r.content, 'html5lib')
 case_html = soup.select('div.DocumentText')
 print(case_html.get_text())