Python 美丽的汤正在吸引不存在的标签

当我在一个有工作列表的页面上运行一个BS时，除了一行之外，一切都正常。出于某种原因，它正在打印标签。标记为/n和\n

然而，当我使用word查看每个单独的框时，它工作得很好。请参阅下面的代码和输出

print(jobs[2].find('h2').get_text())
print(jobs[2].find(class_='company-title-name').get_text())

系统分析员

莱克斯咨询公司

然后，当我遍历所有结果时，company_name列表具有不在inspect元素中的随机标记。我留下了第二个项目，以表明它没有发生在这一个

job_title = [job.find('h2').get_text() for job in jobs]
company_name = [job.find(class_='company-title-name').get_text() for job in jobs]

print(job_title)
print(company_name)

“系统分析师”、“销售运营分析师”] ['\n审查\n'，'\nCpl技术\n'，'\nLex咨询\n'，'\nGilligan黑人招聘\n']

下面是从page inspect元素存储它们的代码

<div class="serp-title">
   <a jobid="1863378" href="https://www.jobs.ie/ApplyForJob.aspx?Id=1863378" title="Systems Analyst">
       <h2>Systems Analyst</h2>
   </a>
   <span>
     <text class="company-title-name">
     <a href="/Lex-Consultancy/">Lex Consultancy</a>
     </text>
   </span>
</div>

有人知道为什么会这样吗

---

谢谢

这些

\n

字符是换行符，您得到它们的原因是它们在源文档中

您将获得带有

class='company-title-name'

的标签，这是一个：

 <text class="company-title-name">
 <a href="/Lex-Consultancy/">Lex Consultancy</a>
 </text>

然后你得到的只是文本，让我们去掉内部标记：

 <text class="company-title-name">
 Lex Consultancy
 </text>

莱克斯咨询公司

你看到换行了吗？一个在第一行的“>”后面，另一个在“咨询”后面

以防万一还不完全清楚，如果没有换行符，HTML就是这样的：

 <text class="company-title-name">Lex Consultancy</text>

Lex咨询公司

---

试着使用

strip（）

和

rstrip（）

你说的是出现的

\n

字符吗？至少在真正的html中，你可以区分elementNode和textNode。两人都是孩子，但如果不是你想要的，99%的人都是孩子。关于BS不太确定，但我可以想象，当你调用

get_text

函数时，这种情况会在引擎盖下发生。如果elementNode中没有任何文本，您可能也会得到它。

 <text class="company-title-name">Lex Consultancy</text>