Python 如何从多个文档中提取<；span>；使用BS4标记和分组数据？

我从一个网页中提取了基于其类的span标记之间的数据。但有时，网页会将一行分割成多个片段，并将其存储在连续的标签中。所有子span标记都具有相同的类名

以下是HTML代码段：

<p class="Paragraph SCX">
    <span class="TextRun SCX">
        <span class="NormalTextRun SCX">
            This week
        </span>
    </span>
    <span class="TextRun SCX">
        <span class="NormalTextRun SCX">
            &nbsp;(12/
        </span>
    </span>
    <span class="TextRun SCX">
        <span class="NormalTextRun SCX">
            11
        </span>
    </span>
    <span class="TextRun SCX">
        <span class="NormalTextRun SCX">
            &nbsp;- 12/1
        </span>
    </span>
    <span class="TextRun SCX">
        <span class="NormalTextRun SCX">
            7
        </span>
    </span>
    <span class="TextRun SCX">
        <span class="NormalTextRun SCX">
            ):
        </span>
    </span>
    <span class="EOP SCX">
        &nbsp;
    </span>
</p>

此代码导致每个数据作为单独的实体单独打印。 所需输出：

本周（11月12日-17月12日）：

---

知道如何将这些span标记数据组合在一起吗？谢谢！

您可以尝试使用join方法将相关信息组合在一个字符串中

dates = '' 
for data in elem.find_all('span', class_='TextRun'):
    dates.join([dates, data.text])

---

试一试。确保将整个

html

包装在

content

变量中

from bs4 import BeautifulSoup
soup = BeautifulSoup(content,'lxml')
data = ''.join([' '.join(item.text.split()) for item in soup.select(".NormalTextRun")])
print(data)

输出：

This week(12/11- 12/17):

---

仅将NormalTextRun类添加到元素中数据的forloop中。find_all（'span'，class=“NormalTextRun”）：获取列表中的所有字符串并将其连接（）。@AnupYadav:这会引发以下错误：a=data.find（'span'）。contents[0]AttributeError:“非类型”对象没有属性“内容”是的，您现在不需要在span中，您已经在较低的span中，需要替换为a=data.find（'span'）。contents[0]到a=data.contents[0]@Shahin-谢谢您的回答！我还有一点疑问：我将上述HTML内容包装在列表标记中（

）还有多个这样的

标记，我从中读取内容。有没有办法在提取每个

标记数据后添加逗号之类的分隔符？这样我就可以将每个内容存储为列表元素。预期输出：[本周（12/11-12/17）：，XYZ，ABC]

This week(12/11- 12/17):