Wes*_*esR 2 python beautifulsoup python-2.7
这可能是一个非常基本的 Python 问题，尽管我在 Beautiful Soup 中遇到了它。
我想做的基本事情是仅从 HTML 文件中提取输出文本。
例如，在下面包含的 HTML 文件中，我只想提取 0123、abc、def 和 ghi，但不提取标签和属性。
尽我所知 BS 我应该能够通过 HTML 标记的后代进行递归，并且只包含 NavigableStrings 的内容。
问题是我不知道如何编写 if 语句来测试类型。请参阅下面 python 代码中的注释。
任何解决方案？
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>0123</title>
</head>
<body>
<div>
<p>abc</p>def
<a href="wxy.z">ghi</a>
</div>
</body>
</html>
# -*- coding: UTF-8 -*-
from bs4 import BeautifulSoup
with open('simple.html', 'r') as inf:
soup = BeautifulSoup(inf.read(), 'lxml')
for e in soup('html'):
for d in e.descendants:
print d # HERE I WANT TO SKIP EXCEPT FOR NAVIGABLE STRINGS
由于您正在寻找可导航的字符串，因此您的条件应该是：
if isinstance(d, bs4.element.NavigableString):
print d
并且不要忘记import bs4在开始时。