Python 使用Beauty Soup解析Html文件时出现意外输出_Python_Html_Beautifulsoup

Python 使用Beauty Soup解析Html文件时出现意外输出

python html

Python 使用Beauty Soup解析Html文件时出现意外输出,python,html,beautifulsoup,Python,Html,Beautifulsoup,我有一个基本Html文件，其中包含标签内的文本，如下所示： <head> <title></title> </head> <body> <div>{#One#}</div> <span>{#Two#}</span> <b>{#Three#}</b> <i>four</i> <td>{#five#}</td> <s

我有一个基本Html文件，其中包含标签内的文本，如下所示：

<head>
<title></title>
</head>
<body>
<div>{#One#}</div>
<span>{#Two#}</span>
<b>{#Three#}</b>
<i>four</i>
<td>{#five#}</td>
<sup>{#six#}</sup>
<sub>{#seven#}</sub>
<i>eight</i>
</body>

但是，当我运行程序时，我得到一个奇怪的输出：如下所示：

1  
1
1
1
1
1<i>four</i>
1
1
1
1<i>eight</i>

1
1.
1.
1.
1.
1四
1.
1.
1.
1光

而不是：

 4<i>four</i>
 8<i>eight</i>

4four
八八

我在这里做错了什么，这似乎是一个愚蠢的错误。

使用

find（'body'）

返回整个

body

标记，其中所有内容都作为单个元素。因此，迭代

bdy

并不能给出您的想法

from bs4 import BeautifulSoup
import re
import urllib2

url = "index.html"
page = open(url)
soup = BeautifulSoup(page.read(), "html.parser")
soup.prettify()
bdy = soup.find('body')
for num, lines in enumerate(bdy):
    for line in lines:
        if line !='\n' and '{' not in line:
            print num, lines

您需要使用

bdy.find_all（True）

，它将返回

正文

中的所有标记。然后，将

if

语句更改为

if'{'不在标记中。text:

soup = BeautifulSoup(html, 'lxml')
bdy = soup.find('body')
for i, tag in enumerate(bdy.find_all(True), 1):
    if '{' not in tag.text:
        print(i, tag)

输出：

4 <i>four</i>
8 <i>eight</i>

4四
八八

print num，lines
br在这里做什么？
是一个打字错误，num指定它所在的行数，行指定文本。什么是

word

？你为什么使用regex而不是更好的可用的beautifulsou函数？

4 <i>four</i>
8 <i>eight</i>