Que*_*tin 2 python beautifulsoup
我需要你的帮助：我有<p>带有许多其他标签的标签，如下例所示：
<p>I <strong>AM</strong> a <i>text</i>.</p>
我只想得到“我是文本”，所以我 unwrap() 标签strong并i
使用下面的代码：
for elem in soup.find_all(['strong', 'i']):
elem.unwrap()
接下来，如果我打印一切soup.p都正确，但如果我不知道我的字符串所在的标签的名称，问题就会开始！
下面的代码应该更清楚：
from bs4 import BeautifulSoup
html = '''
<html>
<header></header>
<body>
<p>I <strong>AM</strong> a <i>text</i>.</p>
</body>
</html>
'''
soup = BeautifulSoup(html, 'lxml')
for elem in soup.find_all(['strong', 'i']):
elem.unwrap()
print soup.p
# output :
# <p>I AM a text.</p>
for s in soup.stripped_strings:
print s
# output
'''
I
AM
a
text
.
'''
为什么 BeautifulSoup 将我的所有字符串分开，而我之前将它与我的 unwrap() 连接起来？
如果您使用.unwrap()标签，则删除该标签，并将内容放入父标签中。但是文本没有合并，因此，您获得了s的列表NavigableString（ 的子类str）：
>>> [(c,type(c)) for c in soup.p.children]
[('I ', <class 'bs4.element.NavigableString'>), ('AM', <class 'bs4.element.NavigableString'>), (' a ', <class 'bs4.element.NavigableString'>), ('text', <class 'bs4.element.NavigableString'>), ('.', <class 'bs4.element.NavigableString'>)]
因此，这些元素中的每一个都是一个单独的文本元素。因此，尽管您删除了标签本身并注入了文本，但这些字符串并未连接起来。这似乎是合乎逻辑的，因为左侧和右侧的元素仍然可以是标签：通过展开，<strong>您并没有<i>同时展开。
但是，您可以使用.text, 来获取全文：
>>> soup.p.get_text()
'I AM a text.'
或者您可以决定将join这些元素放在一起：
>>> ''.join(soup.p.strings)
'I AM a text.'
| 归档时间： |
|
| 查看次数： |
2245 次 |
| 最近记录： |