Python 关于在BeautifulSoup中获取_text（）的建议

我正在使用BeautifulSoup解析html页面中的一些内容

我可以从html中提取我想要的内容（即

span

中包含的文本，由

class

myclass定义）

我得到这个结果：

<span class="myclass">Lorem ipsum<br/>dolor sit amet,<br/>consectetur...</span>

我获得：

Lorem ipsumdolor sit amet,consectetur...

正如您所看到的，当标签

被删除时，内容之间没有更多的间隔，两个单词被浓缩

---

如何解决此问题？

使用“内容”，然后替换

下面是一个完整的（工作、测试）示例：

结果:

The result of soup.find:
<span class="myclass">Lorem ipsum<br/>dolor sit amet,<br/>consectetur...</span>

result.contents:
[u'Lorem ipsum', <br/>, u'dolor sit amet,', <br/>, u'consectetur...']

result.get_text():
Lorem ipsumdolor sit amet,consectetur...

After replacing all the 'None' with ' ':
Lorem ipsum dolor sit amet, consectetur...

soup.find的结果：
Lorem ipsum
dolor sit amet，
。。。
结果.内容：
[u'Lorem ipsum'，
，u'dolor sit amet'，
，u'concertetur…]
result.get_text（）：
洛雷姆·伊普苏姆多洛·希特·阿梅特。。。
将所有“无”替换为“”后：
我爱你，我爱你。。。

---

这比Sean的非常紧凑的解决方案要复杂得多，但因为我说过我会按照我所指出的思路创建和测试一个解决方案，所以我决定兑现我的承诺。您可以更清楚地看到这里发生的情况-

是

结果.contents

元组中自己的元素，但当转换为字符串时，“什么都没有了”。

如果您使用的是bs4，您可以使用：

---

result.get_text（separator=“”）

应该可以使用。

使用“contents”，然后替换
？你能把它放到一个例子中，让我接受答案吗？现在就谢谢你的iPhone。需要靠近计算机来创建测试代码。同时，我希望其他人能为您创建一个示例。或者使用kwarg分隔符，这在get_text:result.get_text（'separator='））->“Lorem ipsum dolor sit amet，concertetur…”中也有相同的功能

Lorem ipsumdolor sit amet,consectetur...

from bs4 import BeautifulSoup
import urllib2

url="http://www.floris.us/SO/bstest.html"
page=urllib2.urlopen(url)
soup = BeautifulSoup(page.read())

result = soup.find(attrs={'class':'myclass'})
print "The result of soup.find:"
print result

print "\nresult.contents:"
print result.contents
print "\nresult.get_text():"
print result.get_text()
for r in result:
  if (r.string is None):
    r.string = ' '

print "\nAfter replacing all the 'None' with ' ':"
print result.get_text()

The result of soup.find:
<span class="myclass">Lorem ipsum<br/>dolor sit amet,<br/>consectetur...</span>

result.contents:
[u'Lorem ipsum', <br/>, u'dolor sit amet,', <br/>, u'consectetur...']

result.get_text():
Lorem ipsumdolor sit amet,consectetur...

After replacing all the 'None' with ' ':
Lorem ipsum dolor sit amet, consectetur...

" ".join(result.strings)