将</ br>转换为结束行

Question

我正在尝试使用提取一些文本BeautifulSoup.我正在get_text()为此目的使用功能.

我的问题是文本包含</br>标签,我需要将它们转换为结束行.我怎样才能做到这一点？

Answer 1

您可以使用BeautifulSoup对象本身或其中的任何元素来执行此操作:

for br in soup.find_all("br"):
    br.replace_with("\n")

Answer 2

正如官方文件所说:

您可以指定用于将文本位连接在一起的字符串:soup.get_text("\n")

Answer 3

您也可以使用 \xe2\x80\x8d\xe2\x80\x8d\xe2\x80\x8d get_text(separator = '\\n', strip = True)：

\n

from bs4 import BeautifulSoup\nbs=BeautifulSoup('<td>some text<br>some more text</td>','html.parser')\ntext=bs.get_text(separator = '\\n', strip = True)\nprint(text)\n >> \nsome text\nsome more text\n

\n

这个对我有用。

\n

Answer 4

正则表达式可以解决问题。

import re
s = re.sub('<br\s*?>', '\n', yourTextHere)

希望这可以帮助！

Answer 5

添加到 Ian 和dividebyzero 的帖子/评论中，您可以这样做来一次性有效地过滤/替换许多标签：

for elem in soup.find_all(["a", "p", "div", "h3", "br"]):
    elem.replace_with(elem.text + "\n\n")