Python BeautifulSoup HTML解析以获取文本

我有一个HTML页面，其格式如下

<section class="entry-content">
    <p>...</p>
    <p>...</p>
    <p>...</p>
</section>

---

您可以使用

.stripped\u strings

iterable“深入”并从标记中获取文本：

section = bs.find('section', {'class': 'entry-content'})
ingreds = [' '.join(ch.stripped_strings) for ch in section.find_all(True)]

我们使用

.find_all（True）

仅循环包含在

部分

中的标记，而不是直接的文本内容（如换行符）

请注意，

.find_all（True）

将遍历任何嵌套的标记，这可能会导致字符串重复。以下内容仅在

部分的直接标记上循环：

ingreds = [' '.join(ch.stripped_strings) for ch in section if hasattr(ch, 'stripped_strings')]

我认为
bs.find
可能返回
NavigableString
和
Tag
s的混合。只有
标签
s将具有
stripped_strings
属性。我只是想让你思考一下如何处理这个问题：如果我们有
fooBAR
，那么将产生两次
'BAR'
。您可以绕过这个问题，但我对必须使用
isinstance
并不特别满意。你知道更好的方法吗？（我喜欢lxml+XPath，因为你不必对所有这些东西大惊小怪。）当我尝试这样做时，我得到一个错误：
TypeError:“NoneType”对象不可调用
@ddroboul:你是否将
None
分配给了
.find_all（）
或
bs.find（）
？@unutbu:Bah，骗子。好的，我将在
部分进行循环
并使用
if hasattr（ch，'stripped_strings'）
。BeautifulSoup有它的缺陷，这是其中之一。
ingreds = [' '.join(ch.stripped_strings) for ch in section if hasattr(ch, 'stripped_strings')]