Python 使用BeautifulSoup get_text或findAll（text=True）时无法获取可见文本

我正在尝试使用bs4和python 3.4.1从网页中提取可见文本。为此，我将从我的汤中提取所有脚本和样式元素，然后继续从剩余的html中获取文本

出于测试目的，我使用x、y、z来观察汤的修改

html = urllib.request.urlopen('http://www.skilledup.com/articles/reasons-to-learn-python').read()
soup = BeautifulSoup(html, "html5lib") #tried xml and html.parser also
x = soup.prettify()
for elem in soup.find_all(['script', 'style']): #I know the text between <title></title> tags could not be interpreted as 'visible text' but thats's not the point of this example
    elem.extract()
y = soup.prettify()
z1 = soup.find_all(text=True)
z2 = soup.get_text()

z2是我试图实现的最简洁的版本，它让我获得了所有可见的文本，但在字符串的末尾仍然包含一个javascript的一些部分，比如：

/* * * CONFIGURATION VARIABLES * * */
var disqus_shortname = 'skilledupblog';
/* * * DON'T EDIT BELOW THIS LINE * * */
.... this continues with javascript

---

这不是一个孤立的案例，因为我在尝试使用的不同html页面上看到了类似的结果。

删除所有

脚本
和
样式
元素，然后获得
汤的文本对我来说很有效：

import urllib.request

from bs4 import BeautifulSoup

html = urllib.request.urlopen('http://www.skilledup.com/articles/reasons-to-learn-python').read()
soup = BeautifulSoup(html, "html5lib")

for elem in soup.find_all(['script', 'style']):
    elem.extract()

print(soup.get_text())

在打印文本中，没有您提到的
discus_shortname
或
脚本
元素的任何其他部分。
删除所有
脚本
和
样式
元素，然后让
汤
的文本对我有效：

import urllib.request

from bs4 import BeautifulSoup

html = urllib.request.urlopen('http://www.skilledup.com/articles/reasons-to-learn-python').read()
soup = BeautifulSoup(html, "html5lib")

for elem in soup.find_all(['script', 'style']):
    elem.extract()

print(soup.get_text())

在打印文本中，没有您提到的
discus_shortname
或
脚本的任何其他部分。
在使用初始配置（bs4和python 3.4.1）时，我仍然得到了相同的结果，但通过使用python 2.7.8或python 35-32，我得到了清晰的预期HTML，没有任何脚本和/或样式标记。不确定原因是什么，但这是可行的。
我在使用初始配置（bs4和python 3.4.1）时仍然得到了相同的结果，但通过使用python 2.7.8或python 35-32，我得到了清晰的预期HTML，没有任何脚本和/或样式标记。不确定原因是什么，但这是有效的