如何在 BeautifulSoup 中删除标签周围添加空间

Question

from BeautifulSoup import BeautifulSoup

html = '''<div class="thisText">
Poem <a href="http://famouspoetsandpoems.com/poets/edgar_allan_poe/poems/18848">The Raven</a>Once upon a midnight dreary, while I pondered, weak and weary... </div>

<div class="thisText">
In the greenest of our valleys By good angels tenanted..., part of<a href="http://famouspoetsandpoems.com/poets/edgar_allan_poe/poems/18848">The Haunted Palace</a>
</div>'''


soup = BeautifulSoup(html)
all_poems = soup.findAll("div", {"class": "thisText"})
for poems in all_poems:
print(poems.text)

我有这个示例代码，但我找不到如何在删除的标签周围添加空格，因此当<a href...>格式化内部的文本时，它可以是可读的，并且不会像这样显示：

诗乌鸦从前沉闷的午夜，而我沉思，虚弱和疲倦......

在我们山谷中最绿的地方 由好天使租住......，鬼宫的一部分

Answer 1

get_text()inbeautifoulsoup4有一个名为 的可选输入separator。您可以按如下方式使用它：

soup = BeautifulSoup(html)
text = soup.get_text(separator=' ')

Answer 2

一种选择是找到所有文本节点并用空格将它们连接起来：

" ".join(item.strip() for item in poems.find_all(text=True))

此外，您使用的beautifulsoup3软件包已过时且未维护。升级到beautifulsoup4：

pip install beautifulsoup4

并替换：

from BeautifulSoup import BeautifulSoup

和：

from bs4 import BeautifulSoup