停止pyquery插入源HTML中没有任何内容的空格？

Question

我试图使用pyquery 1.2从元素中获取一些文本.显示的文本中没有空格,但pyquery正在插入空格.

这是我的代码:

from pyquery import PyQuery as pq
html = '<h1><span class="highlight" style="background-color:">Randomized</span> and <span class="highlight" style="background-color:">non-randomized</span> <span class="highlight" style="background-color:">patients</span> in <span class="highlight" style="background-color:">clinical</span> <span class="highlight" style="background-color:">trials</span>: <span class="highlight" style="background-color:">experiences</span> with <span class="highlight" style="background-color:">comprehensive</span> <span class="highlight" style="background-color:">cohort</span> <span class="highlight" style="background-color:">studies</span>.</h1>'
doc = pq(html)
print doc('h1').text()

这会产生(注意冒号和句号前的空格):

Randomized and non-randomized patients in clinical trials : 
experiences with comprehensive cohort studies .

如何阻止pyquery在文本中插入空格？

Answer 1

看完后PyQuery的源我发现text()方法返回以下内容:

return ' '.join([t.strip() for t in text if t.strip()])

这意味着非空标签的内容将始终由单个空格分隔.我想问题是html的文本表示没有明确定义,所以我不认为它可以被认为是一个错误 - 特别是因为text()文档中的示例确实如此:

>>> doc = PyQuery('<div><span>toto</span><span>tata</span></div>')
>>> print(doc.text())
toto tata

如果您想要其他行为,请尝试实现您自己的版本text().您可以使用原始版本获取灵感,因为它只有10行左右.